php - 使用不同的编码解析页面

Question

我为 wordpress 制作了一个解析器，但由于 wp 和 db 使用的是 utf-8 并且某些页面采用不同的编码，所以当我解析它们时，我得到了 gibrish。我使用 curl 从外部 url 获取内容，并使用正则表达式进行匹配和替换。

任何建议如何解决这个问题？

我使用了下面 Joni 的建议，它解决了我的问题。我用于此问题的未来查询的一些示例代码：

preg_match("/charset=(.*?)(\n|'|\"|>)/ism", $content, $charset);
$content = preg_replace('/^HTTP+[^<]+</', '<', $content);
$charset = @trim($charset[1]);
if (preg_match("~(windows-1251|1251)~i", $charset)) return 'Windows-1251'; 
elseif (preg_match("~iso-8859-7~i", $charset))  return 'ISO-8859-7';
elseif (preg_match("~(koi8|iso-ir-111)~i", $charset))  return 'KOI8-R';

Answer 1

从内容类型标头（或 HTML 元标记，如果标头丢失）中检测正确的编码，并在解析文档时使用它。