PHP DOMDocument saveHTML Добавляет Charachter [дубликат]

Используйте его для правильного результата

$dom = new DOMDocument();
$dom->loadHTML('<meta http-equiv="Content-Type" content="text/html; charset=utf-8">' . $profile);
echo $dom->saveHTML();
echo $profile;

Эта операция

mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8');

Это плохо, потому что специальные символы, такие как & amp; lt; , & delta; может быть в $ profile, и они не будут конвертировать два раза после mb_convert_encoding. Это отверстие для XSS и неправильный HTML.

Проблема заключается в том, что при добавлении параметра в функцию DOMDocument :: saveHTML () вы теряете кодировку. В некоторых случаях вам нужно избегать использования параметра и использовать функцию старой строки, чтобы найти то, что вы ищете.

Я думаю, что предыдущий ответ работает на вас, но поскольку это обходное решение Я работаю для меня, я добавляю этот ответ, чтобы помочь ppl, который может быть в моем случае.

Проблема заключается в saveHTML() и saveXML(), оба из них не работают корректно в Unix. Они не сохраняют символы UTF-8 правильно при использовании в Unix, но они работают в Windows.

Обходной путь очень прост:

Если вы попробуете значение по умолчанию, вы получите описанная вами ошибка

$str = $dom->saveHTML(); // saves incorrectly

Все, что вам нужно сделать, это сохранить следующим образом:

$str = $dom->saveHTML($dom->documentElement); // saves correctly

Эта строка кода позволит правильно сохранить ваши символы UTF-8 (используйте тот же обходной путь, если вы используете saveXML()).

Примечание

1. Английские символы не вызывают никаких проблем, если вы используете saveHTML() без параметров (потому что Английские символы сохраняются как одиночные байтовые символы в UTF-8)
2. Проблема возникает, когда у вас многобайтовые символы (например, китайский, русский, арабский, иврит и т. Д.).

Я рекомендую прочитать эту статью: http://coding.smashingmagazine.com/2012/06/06/all-about-unicode-utf8-character-sets/ . Вы поймете, как работает UTF-8 и почему у вас есть эта проблема. Это займет у вас около 30 минут, но это время хорошо проведено.

Убедитесь, что реальный исходный файл сохранен как UTF-8 (вы даже можете попробовать не рекомендуемые символы спецификации с UTF-8, чтобы убедиться).

Также в случае HTML, убедитесь, что вы указали правильную кодировку с помощью тегов meta:

<meta http-equiv="Content-Type" content="text/html; charset=utf-8">

Если это CMS (как вы отметили свой вопрос с помощью Joomla), вам может потребоваться настроить соответствующие настройки для кодировки.

Работает для меня:

$dom = new \DOMDocument;
$dom->loadHTML(utf8_decode($html));
...
return  utf8_encode( $dom->saveHTML());

Мне потребовалось некоторое время, чтобы понять, но вот мой ответ.

Прежде чем использовать DomDocument, я бы использовал file_get_contents для извлечения URL-адресов, а затем обработал их строковыми функциями. Возможно, это не лучший способ, но быстрый. Убедившись, что Dom был так же быстрым, я сначала попробовал следующее:

$dom = new DomDocument('1.0', 'UTF-8');
if ($dom->loadHTMLFile($url) == false) { // read the url
    // error message
}
else {
    // process
}

Это не удалось эффектно в сохранении кодировки UTF-8, несмотря на правильные метатеги, настройки php и все остальные предлагаемые здесь средства защиты и в других местах. Вот что работает:

$dom = new DomDocument('1.0', 'UTF-8');
$str = file_get_contents($url);
if ($dom->loadHTML(mb_convert_encoding($str, 'HTML-ENTITIES', 'UTF-8')) == false) {
}

и т. Д. Теперь все в порядке с миром. Надеюсь, это поможет.

Вы можете префикс строки, применяющей кодировку utf-8, например:

@$doc->loadHTML('<?xml version="1.0" encoding="UTF-8"?>' . "\n" . $profile);

И вы можете продолжить с кодом, который у вас уже есть, например:

$doc->saveXML()

Попробуйте использовать utf8_encode