Я загружаю HTML из внешнего сервера. Разметка HTML имеет кодировку UTF-8 и содержит символы, такие как ľ,š,č,ť,ž и т.д., Когда я загружаю HTML file_get_contents () как это:
$html = file_get_contents('http://example.com/foreign.html');
Это портит символы UTF-8 и загружает Å, ¾, ¤ и подобную ерунду вместо надлежащих символов UTF-8.
Как я могу решить это?
ОБНОВЛЕНИЕ:
Я попробовал и сохранение HTML в файл и вывод его с кодировкой UTF-8. Оба не работают так, это означает, что file_get_contents () уже возвращает поврежденный HTML.
UPDATE2:
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="sk" lang="sk">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<meta http-equiv="Content-Style-Type" content="text/css" />
<meta http-equiv="Content-Language" content="sk" />
<title>Test</title>
</head>
<body>
<?php
$html = file_get_contents('http://example.com');
echo htmlentities($html);
?>
</body>
</html>
Хорошо. Я обнаружил, что file_get_contents () не вызывает этой проблемы. Есть другая причина, о которой я говорю в другом вопросе. Дурак я.
См. Этот вопрос: Почему DOM меняет кодировку?
Решение, предложенное в комментариях к ручной записи PHP для file_get_contents
function file_get_contents_utf8($fn) {
$content = file_get_contents($fn);
return mb_convert_encoding($content, 'UTF-8',
mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));
}
Вы также можете попытать счастья с http://php.net/manual/en/function.mb-internal-encoding.php