0 php utf-8 symfony domcrawler
我有这个 HTML 内容：
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('??');
}
</script>
当我使用 Symfony 的 dom-crawler 时，文本被 HTML 编码。我怎样才能防止这种情况？$crawler->html()结果：
<div>??</div>
<script>
function drawCharts(){
console.log('测试');
}
让我们看看 symfony/dom-crawler 是如何工作的。下面是一个示例：
<?php
require 'vendor/autoload.php';
use Symfony\Component\DomCrawler\Crawler;
$html = <<<HTML
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('??');
}
</script>
HTML;
$crawler = new Crawler($html);
print $crawler->html();
它输出：
<div>æµè¯</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('测试');
}
</script>
当您通过构造函数传递内容时，Crawler该类会尽力找出编码。如果它无法弄清楚任何事情，它会回退到ISO-8859-1; 这是 HTTP 1.1 规范定义的默认字符集。
如果您的 HTML 内容包含字符集元标记，则 Crawler 类将从其中读取字符集，对其进行设置并正确转换。这是上面相同的示例，在 HTML 内容之前添加了一个字符集元标记：
<?php
require 'vendor/autoload.php';
use Symfony\Component\DomCrawler\Crawler;
$html = <<<HTML
<meta charset="utf-8">
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('??');
}
</script>
HTML;
$crawler = new Crawler($html);
print $crawler->html();
现在它打印：
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('测试');
}
</script>
如果您不想添加字符集元标记，还有另一种方法；addHTMLContent()方法接受一个字符集作为它的第二个参数，它默认为UTF-8. 不是通过构造函数传递 HTML 内容，而是首先实例化类，然后使用此方法添加内容：
<?php
require 'vendor/autoload.php';
use Symfony\Component\DomCrawler\Crawler;
$html = <<<HTML
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('??');
}
</script>
HTML;
$crawler = new Crawler;
// You can safely drop the 2nd argument
$crawler->addHTMLContent($html, 'UTF-8');
print $crawler->html();
现在，没有字符集元标记，它打印：
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('测试');
}
</script>
好的，您可能已经知道所有这些。那么，与测试? 为什么div内容按原样显示，但script标签中的相同内容被 html 编码？
Symfony 的Crawler类，正如它自己解释的那样，由于以下方面的错误将内容转换为 HTML 实体DOMDocument::loadHTML()：
使用
loadHTML()处理UTF-8页面时，可能会遇到DOM函数的输出与输入不一样的问题。例如，如果您想获得“C?nh tranh”，您将收到“Cạnh tranh”。我建议我们mb_convert_encoding在加载 UTF-8 页面之前使用。
– https://php.net/manual/en/domdocument.loadhtml.php#74777
有人建议Content-Type在 head 元素中添加一个 HTML4元标记。其他一些建议在<?xml encoding="UTF-8">将 HTML 内容传递给loadHTML(). 由于您的 HTML 结构不完整（缺少head、body等），我建议您只需将输出传递给html_entity_decode()：
<?php
require 'vendor/autoload.php';
use Symfony\Component\DomCrawler\Crawler;
$html = <<<HTML
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('??');
}
</script>
HTML;
$crawler = new Crawler();
$crawler->addHTMLContent($html, 'UTF-8');
print html_entity_decode($crawler->html());
输出：
<div>??</div>
<script charset="utf-8" type="text/javascript">
function drawCharts(){
console.log('??');
}
</script>
这就是你想要的。
您可能还想阅读：
PHP DOMDocument loadHTML not encoding UTF-8
| 归档时间： |
|
| 查看次数： |
1852 次 |
| 最近记录： |