我遇到了一个类似于这个问题的问题：
来自 DomDocument 的 nodeValue 在 PHP 中返回奇怪的字符
我发现的根本原因可以用 mb_convert_encoding() 模仿
在我的单元测试中，这终于解决了这个问题：
$test = mb_convert_encoding('é', "UTF-8");
$this->assertTrue(mb_check_encoding($test,'UTF-8'),'data is UTF-8');
$this->assertTrue($this->rw->checkEncoding($test,'UTF-8'),'data is UTF-8');
$this->assertIdentical($test,html_entity_decode('é',ENT_QUOTES,'UTF-8'),'values match');
UTF-8 数据的原始值似乎即将到来，并且运行 PHP 的系统的基本代码页很可能不是 UTF-8。
一直到解析（使用转储到 DOMDocument 的 HTML5lib 实现）字符串保持干净，UTF-8 友好。仅在使用拉取数据时
$span->nodeValue
我是否看到编码稳定性失败。
我的猜测是，用于将 domdocument 导出到 nodeValue 的 htmlentities 捕获使用了编码转换器，但忽略了内联编码值。
鉴于我的问题与 HTML5 有关，我认为这与实现的新颖性直接相关，但这似乎是一个更广泛的问题。除了开头提到的问题之外，我无法通过搜索找到有关此特定于 DOMDocument 的问题的任何信息。
更新
以前进的名义，我已从 HTML5lib 和 DOMDocument 切换到Simple HTML DOM，它导出干净转义的 html，然后我可以将其解析回正确的 UTF-8 实体。
另外，我没有尝试过的一个功能是
utf8_decode
因此，对于遇到此问题的其他人来说，这可能是一个解决方案。它解决了我在使用 AJAX/PHP 时遇到的一个相关问题，在 2009 年的这篇博客文章中找到了解决方案：克服 AJaX UTF-8 编码限制（在 PHP 中）