HTMLエンティティからUTF-8への変換

Question

エンコードされた文字列をutf-8に変換する際に問題があります。

ドキュメンテーションによると、数字のHTMLエンティティを使用してエンコードされたUnicode文字列がリストされています。いくつかは：

$str = 'WÖGER'; // seems to be WÖGER 
$str = 'Jürgen'; // seems to be Jürgen 
$str = 'POßNITZ'; // seems to be POßNITZ 
$str = 'SCHLÄGER'; // seems to be SCHLÄGER 

私はそれらをデコードしてutf-8に変換したいと思います。

mb_convert_encoding()とHTML-ENTITIES paramとhtml_entity_decode()の両方を試しました。私の最良の結果は、予想外であった。

html_entity_decode($str, ENT_COMPAT | ENT_HTML401, 'ISO-8859-1'); 

、それはJürgensuccessfullyをデコード。しかし、私はこのリストから他の文字列をデコードする運がありません。私はISO-8859-1ウムラウト用のテーブルとHTMLコードを見て、私のリストにあるものとは異なっています。

私の質問は、いくつかの明らかなデコードのステップがないか、ソースの文字列に何か問題がありますか？

更新（2016-06-27）：元の文字列は間違ってエンコードされていました。これらの文字列はLatin-1コンテキストでUTF-8値を読み取った後、個々の1バイト文字を16進数エンコードとしてエンコードした結果で、ドイツ語のウムラウトüはüになり、別々の2文字としてエンコードされました。受け入れられた回答は、それらをUTF-8にまっすぐにデコードします。

Answer 1

私は間違っているかもしれませんが、ユニコード文字はコードポイントで表現され、個々のUTF-8バイトをエンコードするのではなく、あなたが持っているものです。したがって、Öは、Öを使用するか、または指定された形式Öを使用して表現するとよいでしょう。

ENT_XML1フラグをhtml_entity_decodeに設定すると、この作業が行われるように見えますが、フードの下で何が行われているかは完全にはわかりません。

preg_replace_callback('/&#x([A-Fa-f0-9]{2});/', function ($m) { 
    return chr(hexdec($m[1])); 
}, $str);