如何保留中文或其他外语而不是将它们转换为代码？

Question

DOMDocument 似乎将中文字符转换为代码,例如,

你的乱发将成为ä½ çš„ä¹±å‘

如何保留中文或其他外语,而不是将其转换为代码？

以下是我的简单测试,

$dom = new DOMDocument();
$dom->loadHTML($html);

如果我在loadHTML()之前添加以下内容,

$html = mb_convert_encoding($html, "HTML-ENTITIES", "UTF-8"); 

我明白了

你的乱发

即使隐蔽的代码将显示为汉字,你的乱发仍然不是????我追求的......

Answer 1

DOMDocument似乎将中文字符转换为代码[...].如何保留中文或其他外语,而不是将其转换为代码？

$dom = new DOMDocument();
$dom->loadHTML($html);

如果您正在使用该loadHTML函数加载HTML块.默认情况下,DOMDocument希望该字符串采用HTML的默认编码(ISO-8859-1),但最常见的是charset(sic!)是在您正在使用的字符串旁边而不是在内部提供的元信息.为了使这更复杂,元信息甚至在字符串内.

无论如何,由于您尚未共享HTML的字符串数据而您尚未指定编码,因此很难具体说明发生了什么.

我假设HTML是UTF-8编码的,但这不会在HTML字符串中发出信号.因此,以下解决方案可以提供帮助:

$doc = new DOMDocument();
$doc->loadHTML('<?xml encoding="UTF-8">' . $html);

// dirty fix
foreach ($doc->childNodes as $item)
    if ($item->nodeType == XML_PI_NODE)
        $doc->removeChild($item); // remove hack
$doc->encoding = 'UTF-8'; // insert proper

它在最开始时注入一个编码提示(并在加载HTML后将其删除).从那时起,DOMDocument将返回UTF-8(一如既往).