相关疑难解决方法(0)

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......

如何将Unicode字符串转换为HTML实体？(HEX不是十进制)

例如,转换Français为Français.

据我了解，默认情况下 loadHTML 加载拉丁文 1 的内容，我想将其转换为 UTF-8 字符。代码如下：

    // get data from website
    function get_url_contents($url){

            $crl = curl_init();
            $timeout = 5;
            curl_setopt ($crl, CURLOPT_ENCODING, 'UTF-8');
            curl_setopt ($crl, CURLOPT_URL,$url);
            curl_setopt ($crl, CURLOPT_RETURNTRANSFER, 1);        
            curl_setopt ($crl, CURLOPT_CONNECTTIMEOUT, $timeout);
            $ret = curl_exec($crl);
            curl_close($crl);
            return $ret;
    }

// Now here is the domdoc
function get_all_meta_tags($html){

    $html = get_url_contents($html);

    $doc = new DOMDocument('1.0', 'UTF-8');

    $doc->encoding = 'UTF-8';

    $nodes = $doc->getElementsByTagName('title');
    $title = $nodes->item(0)->nodeValue;
    $arr['title']=$title;

    $nodes = $doc->getElementsByTagName('h1');
    $h1 = $nodes->item(0)->nodeValue;
    $arr['h1']=$h1;

    $metas = $doc->getElementsByTagName('meta');

for ($i …