]> git.immae.eu Git - github/wallabag/wallabag.git/commitdiff
Bugfix: Sanitize the title of a saved webpage from invalid UTF-8 characters
authorTobi823 <Tobi823@users.noreply.github.com>
Tue, 18 Sep 2018 13:04:19 +0000 (15:04 +0200)
committerTobi823 <Tobi823@users.noreply.github.com>
Fri, 21 Sep 2018 11:15:00 +0000 (13:15 +0200)
src/Wallabag/CoreBundle/Helper/ContentProxy.php

index 3fe31c2c7d68b9115ab8bb412588270e87993873..2628af190b3119a952394f382368c0ab914bfee9 100644 (file)
@@ -53,6 +53,7 @@ class ContentProxy
 
         if ((empty($content) || false === $this->validateContent($content)) && false === $disableContentUpdate) {
             $fetchedContent = $this->graby->fetchContent($url);
+            $fetchedContent['title'] = $this->sanitizeUTF8Text($fetchedContent['title']);
 
             // when content is imported, we have information in $content
             // in case fetching content goes bad, we'll keep the imported information instead of overriding them
@@ -68,6 +69,28 @@ class ContentProxy
         $this->stockEntry($entry, $content);
     }
 
+    /**
+     * Remove invalid UTF-8 characters from the given string in following steps:
+     * - try to interpret the given string as ISO-8859-1, convert it to UTF-8 and return it (if its valid)
+     * - simply remove every invalid UTF-8 character and return the result (https://stackoverflow.com/a/1433665)
+     * @param String $rawText
+     * @return string
+     */
+    private function sanitizeUTF8Text(String $rawText) {
+        if (mb_check_encoding($rawText, 'utf-8')) {
+            return $rawText; // return because its valid utf-8 text
+        }
+
+        // we assume that $text is encoded in ISO-8859-1 (and not the similar Windows-1252 or other encoding)
+        $convertedText = utf8_encode($rawText);
+        if (mb_check_encoding($convertedText, 'utf-8')) {
+            return $convertedText;
+        }
+
+        // last resort: simply remove invalid UTF-8 character because $rawText can have some every exotic encoding
+        return iconv("UTF-8", "UTF-8//IGNORE", $rawText);
+    }
+
     /**
      * Use a Symfony validator to ensure the language is well formatted.
      *