Sli*_* A. 174 php utf-8 character-encoding
我正在尝试使用DOMDocument解析一些HTML,但是当我这样做时,我突然失去了编码(至少这对我来说是这样).
$profile = "<div><p>various japanese characters</p></div>";
$dom = new DOMDocument();
$dom->loadHTML($profile);
$divs = $dom->getElementsByTagName('div');
foreach ($divs as $div) {
echo $dom->saveHTML($div);
}
这段代码的结果是我得到了一堆不是日语的字符.但是,如果我这样做:
echo $profile;
它显示正确.我尝试过saveHTML和saveXML,但都没有正确显示.我使用的是PHP 5.3.
我所看到的:
ã¤ãªãã¤å·ã·ã«ã´ã«ã¦ãã¢ã¤ã«ã©ã³ãç³»ã®å®¶åºã«ã9人åå¼ã®5çªç®ã¨ãã¦çã¾ãããå½¼ãå«ãã¦4人ã俳åªã«ãªã£ããç¶è¦ªã¯æ¨æã®ã»ã¼ã«ã¹ãã³ã§ãæ¯è¦ªã¯éµä¾¿å±ã®å®¢å®¤ä¿ã ã£ããé«æ ¡æ代ã¯ãã£ãã£ã®ã¢ã«ãã¤ãã«å¤ãã¿ãæè²è³éãåããªããã«ããªãã¯ç³»ã®é«æ ¡ã¸é²å¦ã
应该展示什么:
???????????????????????9????5???????????????4???????????????????????????????????????????????????????????????????????????????
编辑:我已将代码简化为五行,以便您自己测试.
$profile = "<div lang=ja><p>???????????????????????</p></div>";
$dom = new DOMDocument();
$dom->loadHTML($profile);
echo $dom->saveHTML();
echo $profile;
这是返回的html:
<div lang="ja"><p>イリノイ州シカゴã«ã¦ã€ã‚¢ã‚¤ãƒ«ãƒ©ãƒ³ãƒ‰ç³»ã®å®¶åºã«ã€</p></div>
<div lang="ja"><p>???????????????????????</p></div>
cmb*_*ley 460
DOMDocument::loadHTML除非你另有说明,否则会将你的字符串视为ISO-8859-1.这导致UTF-8字符串被错误地解释.
如果您的字符串不包含XML编码声明,则可以添加一个以使字符串被视为UTF-8:
$profile = '<p>???????????????????????9</p>';
$dom = new DOMDocument();
$dom->loadHTML('<?xml encoding="utf-8" ?>' . $profile);
echo $dom->saveHTML();
如果你不知道字符串是否已经包含这样的声明,那么SmartDOMDocument中有一个解决方法可以帮助你:
$profile = '<p>???????????????????????9</p>';
$dom = new DOMDocument();
$dom->loadHTML(mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8'));
echo $dom->saveHTML();
这不是一个很好的解决方法,但由于并非所有角色都可以用ISO-8859-1(如这些武士刀)来表示,因此它是最安全的选择.
Gre*_*eso 56
这个问题是saveHTML()和saveXML(),他们都不会在Unix的正常工作.在Unix中使用时,它们不能正确保存UTF-8字符,但它们可以在Windows中使用.
解决方法非常简单:
如果您尝试默认,您将收到您描述的错误
$str = $dom->saveHTML(); // saves incorrectly
您所要做的就是保存如下:
$str = $dom->saveHTML($dom->documentElement); // saves correctly
这行代码将正确保存您的UTF-8字符.如果您使用,请使用相同的解决方法saveXML().
更新
正如下面评论部分中" Jack M " 所建议,并经" Pamela "和" MarcoAurélioDeleu "验证,以下变体可能适用于您的情况:
$str = utf8_decode($dom->saveHTML($dom->documentElement));
使用saveHTML()不带参数时,英文字符不会导致任何问题(因为英文字符在UTF-8中保存为单字节字符)
当你有多字节字符(如中文,俄文,阿拉伯文,希伯来文等)时会出现问题.
我建议阅读这篇文章:http://coding.smashingmagazine.com/2012/06/06/all-about-unicode-utf8-character-sets/.您将了解UTF-8的工作原理以及您遇到此问题的原因.这将需要大约30分钟,但它是花费的时间.
Hos*_*ein 14
确保将真实源文件保存为UTF-8(您甚至可能希望尝试使用UTF-8的非推荐BOM表来确保).
同样在HTML的情况下,请确保使用meta标记声明了正确的编码:
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
如果它是CMS(因为您使用Joomla标记了您的问题),您可能需要为编码配置适当的设置.
Jan*_*roň 13
不要满足于“它有效”。
\n@cmbuckley 在他接受的答案中建议设置<?xml encoding="utf-8" ?>为该文档。然而在 HTML 文档中使用 XML 声明有点奇怪。HTML 不是 XML（除非它是 XHTML），它可能会在到达客户端的过程中混淆浏览器和其他软件（可能是其他人报告的故障的根源）。
我成功地使用了 HTML5 声明：
\n$profile = '<p>\xe3\x82\xa4\xe3\x83\xaa\xe3\x83\x8e\xe3\x82\xa4\xe5\xb7\x9e\xe3\x82\xb7\xe3\x82\xab\xe3\x82\xb4\xe3\x81\xab\xe3\x81\xa6\xe3\x80\x81\xe3\x82\xa2\xe3\x82\xa4\xe3\x83\xab\xe3\x83\xa9\xe3\x83\xb3\xe3\x83\x89\xe7\xb3\xbb\xe3\x81\xae\xe5\xae\xb6\xe5\xba\xad\xe3\x81\xab\xe3\x80\x819</p>';\n$dom = new DOMDocument();\n$dom->loadHTML('<!DOCTYPE html><meta charset="UTF-8">' . $profile);\necho $dom->saveHTML();\n如果您使用其他标准，请使用正确的标头，DOMDocument 相当迂腐地遵循标准，并且似乎也支持 HTML5（如果不是您的情况，请尝试更新 libxml 扩展）。
\nIva*_*van 10
您可以为行强制utf-8编码添加前缀,如下所示:
@$doc->loadHTML('<?xml version="1.0" encoding="UTF-8"?>' . "\n" . $profile);
然后,您可以继续使用已有的代码,例如:
$doc->saveXML()
小智 7
这花了我一段时间才能弄清楚，但这是我的答案。
在使用DomDocument之前，我将使用file_get_contents检索URL，然后使用字符串函数对其进行处理。也许不是最好的方法，但是很快。在确信Dom很快之后，我首先尝试了以下方法：
$dom = new DomDocument('1.0', 'UTF-8');
if ($dom->loadHTMLFile($url) == false) { // read the url
// error message
}
else {
// process
}
尽管有适当的元标记，php设置以及此处和其他地方提供的所有其他补救措施，但在保留UTF-8编码方面却失败了。这是有效的方法：
$dom = new DomDocument('1.0', 'UTF-8');
$str = file_get_contents($url);
if ($dom->loadHTML(mb_convert_encoding($str, 'HTML-ENTITIES', 'UTF-8')) == false) {
}
等。现在，世界一切正常。希望这可以帮助。
使用它以获得正确的结果
$dom = new DOMDocument();
$dom->loadHTML('<meta http-equiv="Content-Type" content="text/html; charset=utf-8">' . $profile);
echo $dom->saveHTML();
echo $profile;
这个操作
mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8');
这是不好的方法，因为特殊符号如 < ; ,> 可以在$profile中，并且在mb_convert_encoding之后它们不会转换两次。这是 XSS 和错误 HTML 的漏洞。
小智 5
您必须使用有意义的标头为DOMDocument提供HTML版本.就像HTML5一样.
$profile ='<?xml version="1.0" encoding="'.$_encoding.'"?>'. $html;
也许保持你的html尽可能有效是一个好主意,所以当你开始查询时,你不会遇到问题......周围:-)并远离htmlentities!!!! 这是一个必要的来回浪费资源.保持你的代码疯狂!!!!
| 归档时间： |
|
| 查看次数： |
92447 次 |
| 最近记录： |