php shtmlspecialchars 函数 详解

由于还是码农新人，所以还未开始正式的编写大的工程代码，所以老员工给了我一个去年写的大的php工程的工程代码，先看下。抱着必须扫清每个死角的心里，下午碰到了

shtmlspecialchars()函数，网上一查挺多人都在用的，但不是PHP自带的，而是莫比较官方的写的。但是这里面的正则表达式着实让我纠结了一方，不讲废话了，切入正题。

[php] 
function shtmlspecialchars($string) { 
    if(is_array($string)) { 
        foreach($string as $key => $val) { 
            $string[$key] = shtmlspecialchars($val); 
        } 
    } else { 
        $string = preg_replace('/&((#(d{3,5}|x[a-fA-F0-9]{4})|[a-zA-Z][a-z0-9]{2,5});)/', '&\1', 
            str_replace(array('&', '"', ''), array('&', '"', ''), $string)); 
    } 
    return $string; 
} 

以上就是shtmlspecialchars()函数的定义，其他的不讲，就讲这句让很多人揪心的

[php]
$string = preg_replace('/&((#(d{3,5}|x[a-fA-F0-9]{4})|[a-zA-Z][a-z0-9]{2,5});)/', '&\1', 
            str_replace(array('&', '"', ''), array('&', '"', ''), $string)); 

这里先介绍下这个函数的作用：

html中可能出现的四种特殊字符进行转义，分别是

&转&

立即学习“PHP免费学习笔记（深入）”；

"转"

>转

这与PHP自带的htmlspecialchars()效果刚好相反。

那么一般人里面会用下面的代码实现这个函数所要实现的功能

[php]
str_replace(array('&', '"', ''), array('&', '"', ''), $string)); 

但是等一等！

问：等什么？不是已经完成了这个功能了？

答：错，大错，特错了，你这叫宁可枉杀3000，不放过一个，不人道的呀。

问：哪里错了？

答：情况下面的内容！

如果仅仅用上面的函数，那么会将html特殊字符和unicode编码都破坏掉这可不是我们要的结果，具体字符表见文章后面的附件。

有人观察了字符表的所有数据，最后得出下面的结论：

1、html特殊字符都是由开头后面加3-5个数字或者开头加一个字符和2-5个字符或数字组成的字符串
2、unicode编码是以开头后面加4个16进制数字组成的字符串。

根据第一条，我们应该写出正则表达式：/d{3,5}|[a-zA-Z][a-zA-Z0-9]{2,5};(ps：这个也是自带分号";"的)

根据第二条，可以得出[a-fA-F0-9]{4}; （ps：因为16进制是从0-f）

又由于前面的操作已经把&替换成了&所以讲上面两条整合下就出了下面的

/&((#(d{3,5}|x[a-fA-F0-9]{4})|[a-zA-Z][a-z0-9]{2,5});)/

问题1：
有人问，是不是可以写成下面的样子

/(((d{3,5}|x[a-fA-F0-9]{4})|[a-zA-Z][a-z0-9]{2,5});)/

把井号提出来，当然可以，不过如果你要这样写，后面的再提，有些下改动。

我们把第一步操作
[php] 
str_replace(array('&', '"', ''), array('&', '"', ''), $string)); 

结果写成$string

那么反替换我们就可以简略的写成

preg_replace('/&((#(d{3,5}|x[a-fA-F0-9]{4})|[a-zA-Z][a-z0-9]{2,5});)/', '&\1',$string)

这里，前面的正则表达式已经很清楚了，但是作者又后面的&\1搞晕了，什么意思呀？

经查证
代表正则表达式的第一个括号内的内容。

自己写了一个测试

[php] 
 
$string = 'x10p'; 
$string1 = preg_replace('/(x)([0-9]+)p/', '&\1',$string); 
$string2 = preg_replace('/x([0-9]+)p/', '&\1',$string); 
echo $string1; 
echo '
'; 
echo $string2; 
?> 

输出的结果分别是

&x        第一括号内的是 x
&10     第一括号内的是10
[php] 
preg_replace('/&((#(d{3,5}|x[a-fA-F0-9]{4})|[a-zA-Z][a-z0-9]{2,5});)/', '&\1',$string) 

结果就是仅仅把$amp;替换为&而后面的保留不变。

到这可以解决上面的问题1，是否可以把#拿出来，如果你吧#拿出来的话，那么就是说会将都用&替换，然后后面的你得写'\1'，这样就可以，不过是不是感觉

多此一举了？是的！

附录：

                                   html 字符表

特殊符号 命名实体 十进制编码 特殊符号 命名实体 十进制编码 特殊符号 命名实体 十进制编码
Α  Α  Α  Β  Β  Β  Γ  Γ  Γ
Δ  Δ  Δ  Ε  Ε  Ε  Ζ  Ζ  Ζ
Η  Η  Η  Θ  Θ  Θ  Ι  Ι  Ι
Κ  Κ  Κ  Λ  Λ  Λ  Μ  Μ  Μ
Ν  Ν  Ν  Ξ  Ξ  Ξ  Ο  Ο  Ο
Π  Π  Π  Ρ  Ρ  Ρ  Σ  Σ  Σ
Τ  Τ  Τ  Υ  Υ  Υ  Φ  Φ  Φ
Χ  Χ  Χ  Ψ  Ψ  Ψ  Ω  Ω  Ω
α  α  α  β  β  β  γ  γ  γ
δ  δ  δ  ε  ε  ε  ζ  ζ  ζ
η  η  η  θ  θ  θ  ι  ι  ι
κ  κ  κ  λ  λ  λ  μ  μ  μ
ν  ν  ν  ξ  ξ  ξ  ο  ο  ο
π  π  π  ρ  ρ  ρ  ς  ς  ς
σ  σ  σ  τ  τ  τ  υ  υ  υ
φ  φ  φ  χ  χ  χ  ψ  ψ  ψ
ω  ω  ω  ϑ  ϑ  ϑ  ϒ  ϒ  ϒ
ϖ  ϖ  ϖ  •  •  •  …  …  …
′  ′  ′  ″  ″  ″  ‾  ‾  ‾
⁄  ⁄  ⁄  ℘  ℘  ℘  ℑ  ℑ  ℑ
ℜ  ℜ  ℜ  ™  ™  ™  ℵ  ℵ  ℵ
←  ←  ←  ↑  ↑  ↑  →  →  →
↓  ↓  ↓  ↔  ↔  ↔  ↵  ↵  ↵
⇐  ⇐  ⇐  ⇑  ⇑  ⇑  ⇒  ⇒  ⇒
⇓  ⇓  ⇓  ⇔  ⇔  ⇔  ∀  ∀  ∀
∂  ∂  ∂  ∃  ∃  ∃  ∅  ∅  ∅
∇  ∇  ∇  ∈  ∈  ∈  ∉  ∉  ∉
∋  ∋  ∋  ∏  ∏  ∏  ∑  ∑  −
−  −  −  ∗  ∗  ∗  √  √  √
∝  ∝  ∝  ∞  ∞  ∞  ∠  ∠  ∠
∧  ∧  ⊥  ∨  ∨  ⊦  ∩  ∩  ∩
∪  ∪  ∪  ∫  ∫  ∫  ∴  ∴  ∴
∼  ∼  ∼  ≅  ≅  ≅  ≈  ≈  ≅
≠  ≠  ≠  ≡  ≡  ≡  ≤  ≤  ≤
≥  ≥  ≥  ⊂  ⊂  ⊂  ⊃  ⊃  ⊃
⊄  ⊄  ⊄  ⊆  ⊆  ⊆  ⊇  ⊇  ⊇
⊕  ⊕  ⊕  ⊗  ⊗  ⊗  ⊥  ⊥  ⊥
⋅  ⋅  ⋅  ⌈  ⌈  ⌈  ⌉  ⌉  ⌉
⌊  ⌊  ⌊  ⌋  ⌋  ⌋  ◊  ◊  ◊
♠  ♠  ♠  ♣  ♣  ♣  ♥  ♥  ♥
♦  ♦  ♦           ¡  ¡  ¡
¢  ¢  ¢  £  £  £  ¤  ¤  ¤
¥  ¥  ¥  ¦  ¦  ¦  §  §  §
¨  ¨  ¨  ©  ©  ©  ª  ª  ª
«  «  «  ¬  ¬  ¬     ­  ­
®  ®  ®  ¯  ¯  ¯  °  °  °
±  ±  ±  ²  ²  ²  ³  ³  ³
´  ´  ´  µ  µ  µ  "  "  "
  >  >  '     '