php - HTML DOM 解析器 UTF-8

Question

我有一个网站，但没有使用 UTF-8 编码。我在另一个 php 中包含 php 文件。当我将编码更改为 UTF-8 时，所有字符都损坏了。所以我不能使用 header(..utf8 bla bla 标签。

include_once 'includes/simple_html_dom.php';

$ozet = file_get_contents($url);
$html = str_get_html($ozet);
$trozet = $html->find('div[class="TEST"]',0)->plaintext;
$icerik = "";
$yazi = "<span>$trozet</span>";
$uzunluk = strlen($yazi);
$sinir = 155;
if ($uzunluk > $sinir) {
$icerik = substr($yazi,0,$sinir) . "...";
}

$content.= '<i><span>'.$icerik.'</span></i>';

return $content;

但它得到这样的html：

Pittsburgh kentinde sakin ve güneşli bir sabah, mesai saatinden hemen önce insanlar işlerine doğru koşturmakta, günlük telaşlarını yaşama...

它应该是：

Pittsburgh kentinde sakin ve güneşli bir sabah, mesai saatinden hemen önce insanlar işlerine doğru koşturmakta, günlük telaşlarını...

我怎样才能做到这一点？

Answer 1

要 Substr utf-8 字符串，您可以使用如下函数：

function substrutf8($str,$from,$len){
return preg_replace('#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'. $from .'}'.'((?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'. $len .'}).*#s','$1', $str);}

Answer 2

如果不能使用 UTF-8，则必须将其转换为其他编码：

$yazi = mb_convert_encoding("<span>$trozet</span>", "Windows-1250", "UTF-8");

请注意，并非每个网站都使用 UTF-8，而且 Windows-1250 仅支持一小部分 Unicode 字符。