使用 DOMDocument 进行 PHP 编码

php dom character-encoding

2022-08-30 17:27:43

<tag>
Алекс М
</tag>

当我尝试使用 DOMDocument 函数获取以下代码的内容时，它会返回如下内容：

ÐÐ»ÐµÐºÑ Ðœ

我尝试使用mb_convert_encoding，iconv和utf8_encode将DOMDocument编码设置为不同的值（UTF-8，ISO-8859-1），但没有成功。

如何获得“Алекс М”而不是“ÐÐ»ÐμÐºÑ Ðœ”？

编辑：输入来自加载了curl的页面。当我将页面内容输出到浏览器时，字符显示正确（所以我怀疑输入是问题所在）。

答案 1

尝试：

$string = file_get_contents('your-xml-file.xml');
$string = mb_convert_encoding($string, 'utf-8', mb_detect_encoding($string));
// if you have not escaped entities use
$string = mb_convert_encoding($string, 'html-entities', 'utf-8'); 
$doc = new DOMDocument();
$doc->loadXML($string);

答案 2

在使用XPath解析DomDocument之后，以及在阅读本文后，我遇到了类似的问题

https://bugs.php.net/bug.php?id=32547

我像这样解决了它

// Workaround because PHP 5.2.x has encoding problems, when we 
// update to PHP 5.3 this line is not necesserry any more
$content = '<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />' . $content;

// Creating new DOM document and loading HTML content
$dom_document = new DOMDocument('1.0', 'UTF-8');
$dom_document->substituteEntities = TRUE;
$dom_document->loadHTML($content);