[Php Tech.] Unicode Html Convert

最近遇到的一些編碼問題，時常在網頁裡面看到 &#xxxxxxx; 的字碼，透過瀏覽器，會將這些 unicode html code 轉成可以顯示的文字，例如：對於冷え性や生活習慣病，在網頁上看起來很正常，但是一但轉回到原始碼 (HTML code) 編輯的時候，就會變成：對於冷え性や生活習慣病，這個樣子。

翻了 Google 大神，這個東西是因為編碼的關係，在 BIG-5 編碼中若是沒有可以顯示的文字，這些文字就會經過特殊的演算法則轉換成 &#xxxxxx; 這種樣子，這些就稱為 unicode html。麻煩的是，在儲存資料的時候，我並不希望會有這種東西出現，尤其是要將原本是 BIG-5 的資料轉換為 UTF-8 的時候，這些東西就很討厭。

依據大神的指示，這些字碼的來源，大概可以這麼解釋：unicode html 字碼來元是由原本的編碼，轉換為 UCS-2 之後，再取二進制轉換，再取一次 16 to 10 進制轉換，在加上 &# 而得到這個字碼。

以 PHP 來說，他大概是這個樣子：

<?php

$str = "温";
$unicodeHtml = base_convert(bin2hex(iconv("utf-8", "ucs-2", $str)), 16, 10);
print "&#".$unicodeHtml.";"
// 顯示結果
&#28201;

code html 的方式，那麼，轉回來呢，很簡單，將上述的程式邏輯反過來即可。unicode html 轉回文字，由於 php 沒有 hex2bin 的函式，所以我們自己簡單的寫一個來用。

<?php

function hex2bin($string)
{
        $len = strlen($string);
            return pack("H".$len, $string);
}
 
$str = "28201";
$unicodeHtml = iconv("ucs-2", "utf-8", hex2bin(base_convert($str, 10, 16)));
print $unicodeHtml;
// 顯示結果
温

這就是將 unicode html 轉回文字的方式。以上，希望對於要處理 unicode html 的人有所幫助。