Как преобразовать 'u00e9' в utf8 char, в mysql или php?

Im делает некоторые чистки данных на некоторых беспорядочных данных, которые импортируются в mysql.

Данные содержат "псевдо" символы unicode, которые фактически встроены в строки как "u00e9" и т.д.

Итак, одно поле может быть... Jalostotitlu00e1n ' Мне нужно вырвать этот неуклюжий "u00e1n" и заменить его соответствующим символом utf

Я могу сделать это в mysql, используя подстроку и CHR, возможно, но Im preprocssing данные через PHP, поэтому я мог бы это сделать и там.

Я уже знаю все о том, как настроить mysql и php для работы с данными utf. Проблема заключается именно в исходных данных Im importing.

Спасибо

Ответ 1

Там путь. Замените все uXXXX на их представление HTML и выполните html_entity_decode()

т.е. echo html_entity_decode("Jalostotitlán");

Каждый символ UTF в форме u1234 может быть напечатан в HTML как ሴ. Но делать замену довольно сложно, потому что может быть много ложных срабатываний, если нет другого char, который идентифицирует начало последовательности UTF. Простое регулярное выражение может быть

preg_replace('/u([\da-fA-F]{4})/', '&#x\1;', $str)

Ответ 2

/* Функция php для преобразования utf8 html в ansi */

public static function Utf8_ansi($valor='') {

    $utf8_ansi2 = array(
    "\u00c0" =>"À",
    "\u00c1" =>"Á",
    "\u00c2" =>"Â",
    "\u00c3" =>"Ã",
    "\u00c4" =>"Ä",
    "\u00c5" =>"Å",
    "\u00c6" =>"Æ",
    "\u00c7" =>"Ç",
    "\u00c8" =>"È",
    "\u00c9" =>"É",
    "\u00ca" =>"Ê",
    "\u00cb" =>"Ë",
    "\u00cc" =>"Ì",
    "\u00cd" =>"Í",
    "\u00ce" =>"Î",
    "\u00cf" =>"Ï",
    "\u00d1" =>"Ñ",
    "\u00d2" =>"Ò",
    "\u00d3" =>"Ó",
    "\u00d4" =>"Ô",
    "\u00d5" =>"Õ",
    "\u00d6" =>"Ö",
    "\u00d8" =>"Ø",
    "\u00d9" =>"Ù",
    "\u00da" =>"Ú",
    "\u00db" =>"Û",
    "\u00dc" =>"Ü",
    "\u00dd" =>"Ý",
    "\u00df" =>"ß",
    "\u00e0" =>"à",
    "\u00e1" =>"á",
    "\u00e2" =>"â",
    "\u00e3" =>"ã",
    "\u00e4" =>"ä",
    "\u00e5" =>"å",
    "\u00e6" =>"æ",
    "\u00e7" =>"ç",
    "\u00e8" =>"è",
    "\u00e9" =>"é",
    "\u00ea" =>"ê",
    "\u00eb" =>"ë",
    "\u00ec" =>"ì",
    "\u00ed" =>"í",
    "\u00ee" =>"î",
    "\u00ef" =>"ï",
    "\u00f0" =>"ð",
    "\u00f1" =>"ñ",
    "\u00f2" =>"ò",
    "\u00f3" =>"ó",
    "\u00f4" =>"ô",
    "\u00f5" =>"õ",
    "\u00f6" =>"ö",
    "\u00f8" =>"ø",
    "\u00f9" =>"ù",
    "\u00fa" =>"ú",
    "\u00fb" =>"û",
    "\u00fc" =>"ü",
    "\u00fd" =>"ý",
    "\u00ff" =>"ÿ");

    return strtr($valor, $utf8_ansi2);      

}

Ответ 3

Моя временная шкала твиттера script возвращает специальные символы, такие как é в \u00e9, поэтому я разделил обратную косую черту и использовал @rubbude его preg_replace.

// Fix uxxxx charcoding to html
$str     = str_replace('\u','u',$json);
$strJSON = preg_replace('/u([\da-fA-F]{4})/', '&#x\1;', $str);

Он работает для меня, и он поворачивается: De #Haarstichting is h\u00e9t medium voor alles В: De #Haarstichting is hét medium voor alles