htmlspecialchars sacando en blanco

Question

El uso de htmlspecialchars y htmlentities está causando salidas en blanco de elementos tales como un símbolo ™ e incluso ' citas simples. Obviamente, esto es absolutamente inútil, sin embargo, la salida de los datos sin utilizar caracteres html da como resultado este símbolo para ambos . ¿Alguna razón por la que esto está ocurriendo?

Este es el código que está causando el problema:

<p> 
<?php 
    echo nl2br(htmlspecialchars($aboutarray[0]['about_us'], ENT_COMPAT, "UTF-8")); 
?> 
</p> 

Answer 1

Esa cadena no está codificado en válida codificación UTF-8. Podría estar en otra codificación como UTF-16 o tal vez contenga algo de basura binaria que no se corresponda con ningún formato.

La conclusión es que, como ha especificado "UTF-8" como el parámetro de tipo de codificación de htmlspecialchars(), devolverá una cadena vacía si la cadena no cumple con "UTF-8". Lo dice en el PHP manual.

Una solución simple es utilizar el indicador de sustituir o ignorar. Cambio:

htmlspecialchars($aboutarray[0]['about_us'], ENT_COMPAT, "UTF-8") 

Para:

htmlspecialchars($aboutarray[0]['about_us'], ENT_COMPAT|ENT_SUBSTITUTE, "UTF-8") 

O:

htmlspecialchars($aboutarray[0]['about_us'], ENT_COMPAT|ENT_IGNORE, "UTF-8") 

Nota: ENT_IGNORE elimina los bytes no conformes. Esto podría causar a security issue. Es mejor comprender realmente el contenido de su cadena y cómo se codifica. Corrija el origen del problema en lugar de usar el sencillo arreglo ENT_IGNORE.

Usted debe preguntarse por qué la cadena no está codificado en UTF-8 ... que debe ser, pero no lo es.

Sucede que acabo de encontrar este problema también; puede leer detalles sobre por qué se devuelve una cadena vacía here.