¿Por qué las citas se convierten en divertidos personajes cuando se envían en un formulario HTML?

Question

Tengo un formulario HTML y algunos usuarios están copiando/pegando texto de MS Word. Cuando hay comillas simples o dobles, que se traducen en divertidos personajes como:

' €  ™ y à ¢  €  ™

La columna de base de datos es utf8_general_ci colación.

¿Cómo obtengo los caracteres apropiados para mostrar?

Editar: Problema resuelto. Así es como lo arreglé:

Ran mysql_query("SET NAMES 'utf8'"); antes de agregar/recuperar de la base de datos. (gracias al comentario de Donal a continuación).

Y algo extraño, la función php urlencode($text) se aplicó al mostrar, por lo que tuvo que ser eliminada.

También me aseguré de que los encabezados de la página y la solicitud/respuesta de ajax fueran todos utf8.

Answer 1

Esto parece un caso clásico de Unicode (UTF-8) caracteres más probable es que se interpretan como iso-8859-1. Hay un par de lugares en el camino donde los personajes pueden corromperse. Primero, el navegador del cliente debe enviar los datos. Podría dañar los datos si no puede convertir los caracteres correctamente a la codificación de caracteres de la página. Luego, el servidor lee los datos y decodifica los bytes en caracteres. Si el cliente y el servidor no están de acuerdo con la codificación utilizada, los caracteres estarán dañados. Entonces los datos se almacenan en la base de datos; nuevamente hay potencial para la corrupción. Finalmente, cuando los datos están escritos en la página (para mostrarlos al navegador), el navegador puede malinterpretar los bytes si la página no indica adecuadamente su codificación.

Debe asegurarse de estar utilizando UTF-8 en todo momento. El valor por defecto para las páginas web es iso-8859-1, por lo que sus páginas web se debe servir con la cabecera Content-Type o la etiqueta meta

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 

(asegúrese de que realmente está sirviendo el texto en el que la codificación).

Al usar UTF-8 en todas las partes del proceso, evitará problemas con todos los navegadores web y bases de datos en funcionamiento.

Answer 2

Compruebe la codificación que utiliza la página. Codificarlo con UTF-8, así, y añadir una etiqueta meta descripción de la codificación:

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 

Answer 3

tenemos una función PHP que intenta limpiar el desorden con comillas tipográficas. Es un poco desordenado, ya que ha crecido un poco orgánicamente a medida que aparecían los casos durante el desarrollo del prototipo. Puede ser de alguna ayuda, sin embargo:

function convert_smart_quotes($string) { 
    $search = array(chr(0xe2) . chr(0x80) . chr(0x98), 
        chr(0xe2) . chr(0x80) . chr(0x99), 
        chr(0xe2) . chr(0x80) . chr(0x9c), 
        chr(0xe2) . chr(0x80) . chr(0x9d), 
        chr(0xe2) . chr(0x80) . chr(0x93), 
        chr(0xe2) . chr(0x80) . chr(0x94), 
        chr(226) . chr(128) . chr(153), 
        '’','“','â€<9d>','â€"',' '); 

    $replace = array("'","'",'"','"',' - ',' - ',"'","'",'"','"',' - ',' '); 

    return str_replace($search, $replace, $string); 
}