我只想知道是否可以从没有编码标头的 html 文件中提取编码的内容（以 utf-8 格式）。
我的具体情况是这个网站：
http://www.metal-archives.com/band/discography/id/203/tab/all
我想提取所有信息，但如您所见，例如，这个词看起来很糟糕：
墨头
我尝试使用 file_get_html、htmlentities、utf_decode、utf_encode 并将它们与不同的选项混合，但我找不到解决方案......
编辑：
我只想用这个简单的代码查看格式正确的同一个网站：
$html_discos = file_get_html("http://www.metal-archives.com/band/discography/id/223/tab/all");
//some transform/decode here
print_r($html_discos);
我希望字符串或 DOM 对象中的内容格式正确，以便稍后获取某些部分。
编辑2：
$file_get_html 是“simple html dom”库的一个函数：
http://simplehtmldom.sourceforge.net/
有这个代码：
function file_get_html($url, $use_include_path = false, $context=null, $offset = -1, $maxLen=-1, $lowercase = true, $forceTagsClosed=true, $target_charset = DEFAULT_TARGET_CHARSET, $stripRN=true, $defaultBRText=DEFAULT_BR_TEXT, $defaultSpanText=DEFAULT_SPAN_TEXT)
{
// We DO force the tags to be terminated.
$dom = new simple_html_dom(null, $lowercase, $forceTagsClosed, $target_charset, $stripRN, $defaultBRText, $defaultSpanText);
// For sourceforge users: uncomment the next line and comment the retreive_url_contents line 2 lines down if it is not already done.
$contents = file_get_contents($url, $use_include_path, $context, $offset);
// Paperg - use our own mechanism for getting the contents as we want to control the timeout.
//$contents = retrieve_url_contents($url);
if (empty($contents) || strlen($contents) > MAX_FILE_SIZE)
{
return false;
}
// The second parameter can force the selectors to all be lowercase.
$dom->load($contents, $lowercase, $stripRN);
return $dom;
}