Оптимальное преобразование Юникода в 1-байтовый HTML

Вроде вопрос простой, но то ли я туплю, то ли одно из двух…

Есть исходный текст в многобайтовом представлении (допустим, UTF-8). Нужно вывести его на веб-страницу, отдаваемую в однобайтовой кодировке (допустим, windows-1251), но не просто абы как, а чтобы:

• все символы, представимые в веб-кодировке, выводились бы одним байтом;
• символы, не имеющие представления в веб-кодировке, выводились бы в виде HTML-сущностей (Ӓ или &entity; — без разницы);
• опционально — экранирование спецсимволов HTML.

Входная и выходная кодировки, вообще говоря, не фиксированные.

Сейчас использую костыльное решение:

Код (Text):

1. htmlspecialchars(
2.  mb_convert_encoding($strText, 'HTML-ENTITIES', $strSourceEncoding),
3.  ENT_QUOTES | ENT_DISALLOWED | ENT_HTML401,
4.  $strWebEncoding,
5.  FALSE
6. )

Оно работоспособно, но вся кириллица выводится в виде Ӓ — проще тогда уж всю страницу сразу было бы в UTF-8 отдавать.

Вообще, я думал, что должна существовать штатная функция для выполнения подобных преобразований в одно действие, что-то типа такого:

Код (Text):

1. htmlentities(
2.  $strText,
3.  ENT_QUOTES | ENT_DISALLOWED | ENT_HTML401,
4.  $strWebEncoding,
5.  $strSourceEncoding
6. )

Но нет — функции htmlspecialchars и htmlentities работают только в рамках одной исходной кодировки. В комментариях к документации PHP народ предлагает всяческие велосипеды на каждый узкоспецифичный случай, но хотелось бы обойтись без них.

 

Судя по отсутствию конкретных решений в ответах, приходится делать вывод, что никакого тривиального решения действительно не существует; разработчики PHP, порождая свисто-перделки типа get_html_translation_table, забывают о самом простейшем сценарии использования.

Если кому интересно, наткнулся на такое вот извращённое многократное преобразование туда-сюда-обратно (привожу пошагово для облегчения понимания):

Код (Text):

1. $strSourceEncoding = 'UTF-8';
2. $strWebEncoding = 'windows-1251';
3.  
4. $strText = mb_convert_encoding($strText, 'HTML-ENTITIES', $strSourceEncoding);
5. $strText = html_entity_decode($strText, ENT_QUOTES, $strWebEncoding);
6. $strText = htmlspecialchars($strText, ENT_QUOTES, $strWebEncoding);

Костыль тот ещё, но зато выдаёт именно то, что надо, при этом не являясь велосипедом.

В виде UTF-8 — как раз-таки не стремлюсь. Страница отдаётся в однобайтовой кодировке, поскольку текст на ней преимущественно русский, — использование Юникода привело бы к неоправданному увеличению размера. Собственно, со статическим текстом и так проблем не было: поскольку он заведомо вписывается в кодовую страницу того языка, для которого предназначен, то для него достаточно mb_convert_encoding. Проблема была только с динамическим текстом, поскольку он, вообще говоря, может быть на любом языке, да и спецсимволы в нём экранировать надо.