htmlscape konvertiert einige Unicode-Zeichen

Question

Ich habe ein Problem hier, wo ich Perl verwende, um einige Zeichen über ein Eingabetextfeld einzugeben und in der Datenbank zu speichern. Alle Werte durchlaufen eine Funktion, um escapeHTML vor dem Speichern in der Datenbank auszuführen. Problem ist, dass diese escapeHTML-Funktion einige meiner chinesischen Zeichen in HTML-Code umwandelt, der in Beispiel 2 und 3 gezeigt wird. Ich frage mich nur, warum escapeHTML nur Auswirkungen auf einige Unicode-Zeichen und nicht alle hat ??

Hoffe jemand kann mir dabei helfen.

Dank

use CGI qw(escapeHTML); 

$string = "泰国"; 
$string = escapeHTML($string); 

$string2 = "مرحبا بالعالم"; 
$string2 = escapeHTML($string2); 

example 1: 
$VAR1 = 'Dump out string مرحبا بالعالم'; 
$VAR1 = 'Dump out after escapeHTML string مرحبا بالعالم'; 

Example 2: 
$VAR1 = 'Dump out string 泰国'; 
$VAR1 = 'Dump out after escapeHTML string 泰▒›▒'; 

Example 3: 
$VAR1 = 'Dump out string 泰国 - <font>TEST</font>'; 
$VAR1 = 'Dump out after escapeHTML string 泰▒&#8250;▒ - &lt;font&gt;TEST&lt;/font&gt;'; 

Answer 1

Die bevorzugte Art von HTML-Codierung ist HTML::Entities

Encode nur unsichere Zeichen Default:

$encoded = encode_entities($string); 

Encode < und>, aber keine & und andere:

$encoded = encode_entities($string,'<>'); 

Encode non-plain ASCII:

$encoded = encode_entities($input, '^\n\x20-\x25\x27-\x7e'); 

escapeHTML() ist nicht Bestandteil des CGI documentation, nehme ich an, dass es nicht für den Aufbau ist von außerhalb des CGI-Moduls verwendet wird. Es wird mit Hilfe von HTML :: selbst Entities, wenn Sie an der CGI-Quelle aussehen:

$ENCODE_ENTITIES  = q{&<>"'}; 
sub escapeHTML { 
    require HTML::Entities; 
    # hack to work around earlier hacks 
    push @_,$_[0] if @_==1 && $_[0] eq 'CGI'; 
    my ($self,$toencode,$newlinestoo) = CGI::self_or_default(@_); 
    return undef unless defined($toencode); 
    my $encode_entities = $ENCODE_ENTITIES; 
    $encode_entities .= "\012\015" if ($encode_entities && $newlinestoo); 
    return HTML::Entities::encode_entities($toencode,$encode_entities); 
} 

diesen Sourcecode sehen, frage ich mich, warum es tut jede Unicode-Codierung überhaupt.