php 및 regex를 사용하여 웹 페이지에서 클리닝 텍스트를 긁음

Question

나는 함수를 작성하여 <title></title> 태그 사이의 웹 페이지에있는 제목 텍스트를 읽습니다. 그래서 나에게 잎

mysql_real_escape_string(rawurldecode($this->title)) 

: 나는 MySQL의 INSERT 문에 대한 값을 인코딩하기 위해 다음과 같은 사용하고

if(preg_match('#<title>([^<]+)</title>#simU', $this->html, $m1)) 
     $this->title = trim($m1[1]); 

: 나는 제목 텍스트는 HTML 페이지를 형성 잡기 위해 다음과 같은 정규식 코드를 사용하고 HTML 엔티티가 제목 (& nsbp 등) 및 목표는 그들이 퍼가기에 가깝게 볼 수 있도록 제목을 청소, 디코딩 제거하는 것입니다 Dating S.o.s | Gluten-free, Dairy-free, Sugar-free Recipes And Lifestyle Tips

뿐만 외국 문자의 전체 데이터베이스와 가능한 한 영어로 말하십시오.

다음 두 정규식을 사용하여 html 엔티티를 제거하고 정크를 제한하는 함수를 생성했습니다. 그리고 이상적이지는 않지만 (html 엔티티를 보존하지 않고 제거하기 때문에) 그것은 내가 가진 것처럼 가장 깨끗합니다.

$string = preg_replace("/&#?[a-z0-9]+;/i","",$string); 
//remove all non-normal chars 
$string = preg_replace('/[^a-zA-Z0-9-\s\'\!\,\|\(\)\.\*\&\#\/\:]/', '', $string); 

하지만 영어 이외의 문자는 여전히 존재합니다.

하는 방법 (... 문장 부호, apostrophies 등) 영어 의도를 보존하기 위해 노력 DB 이러한 제목 문자열을 저장

1. 가장 좋은 방법 :
   은 누구에게로 도움을 제공 할 수 있을까 위의 예문에 표시된 것처럼 이상한 문자를 변환하거나 제거 하시겠습니까?

도움을 주셔서 감사합니다.

Answer 1

포인트 1의 경우 PHP는 html_entity_decode() 기능을 사용하여 HTML 항목을 "일반"문자로 변환 할 수 있습니다.

Answer 2

밖으로 http://www.php.net/manual/en/function.html-entity-decode.php # 1

그리고 http://php.net/manual/en/function.mb-convert-encoding.php에 대한 아래의 링크를 이용해주십시오 # 2