Почему DOM изменяет кодирование?
$string = file_get_contents('http://example.com');
if ('UTF-8' === mb_detect_encoding($string)) {
$dom = new DOMDocument();
// hack to preserve UTF-8 characters
$dom->loadHTML('<?xml encoding="UTF-8">' . $string);
$dom->preserveWhiteSpace = false;
$dom->encoding = 'UTF-8';
$body = $dom->getElementsByTagName('body');
echo htmlspecialchars($body->item(0)->nodeValue);
}
Это изменяет все символы UTF-8 на Å, ¾, ¤ и другой мусор. Есть ли какой-либо другой путь, как сохранить символы UTF-8?
Не отправляйте ответы, говоря мне удостовериться, что я произвожу его как UTF-8, я удостоверился, что я.
Заранее спасибо :)
3 ответа
У меня недавно были похожие проблемы, и в конце концов я нашел этот обходной путь - преобразовать все символы, отличные от ascii, в объекты html перед загрузкой html
$string = mb_convert_encoding($string, 'HTML-ENTITIES', "UTF-8");
$dom->loadHTML($string);
В случае, если кодировку определенно портит DOM, этот трюк помог мне некоторое время назад наоборот (принимая ISO-8859-1 данные). DOMDocument в любом случае должен быть UTF-8 по умолчанию, но вы все равно можете попробовать:
$dom = new DOMDocument('1.0', 'utf-8');
Убедитесь, что вы отправили заголовок utf-8 в верхней части скрипта, где находится ваш php-код (код, который вы разместили здесь). Бьюсь об заклад, ваша кодировка - это какой-то вариант latin1 прямо сейчас. Да, я знаю, что удаленная веб-страница - это utf8, но этот скрипт php - нет.