3

我正在使用 DOMDocument 来提取一些段落。

这是我导入的初始 htm 文件的样子:

<html>
    <head>
        <title>Toxins</title>
    </head>

    <body>
        <p class=8reference><span>1.</span><span>Sivonen, K.; Jones, G. Cyanobacterial Toxins. In <i>Toxic Cyanobacteria in Water. A Guide to Their Public Health Consequences, Monitoring and Management</i>; Chorus, I., Bartram, J., Eds.; E. and F.N. Spon: London, UK, 1999; pp. 41–111.</span></p>
    </body>
</html>

当我在做:

$dom_input = new \DOMDocument("1.0","UTF-8");
$dom_input->encoding = "UTF-8";
$dom_input->formatOutput = true;
$dom_input->loadHTMLFile($manuscript->getUploadRootDir().$manuscript->getFileName());

$paragraphs = $dom_input->getElementsByTagName('p');

foreach ($paragraphs as $paragraph) {
    if($paragraph->getAttribute('class') == "8reference") {
        var_dump($paragraph->nodeValue);
    }
}

“pp. 41–111”中的破折号被转换为

pp. 41–111

知道为什么以及如何修复它以获得 utf8 unicode 值吗?

先感谢您。

4

2 回答 2

4

在我看来数据是正确的,您只是显示不正确。

您是否以 UTF-8 输出?

à + 是一个经典的“显示 UTF-8 编码数据,就好像它不是 UTF-8 一样。

例如,如果您要输出到网络浏览器,请尝试使用元标记设置字符集。例如

<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">

如果您需要以 UTF-8 以外的格式输出,则需要先转换为替代字符集。

于 2013-11-13T17:03:37.843 回答
1

使用 PHPfputcsv()生成 CSV 文件时。在插入数据之前使用它fputcsv()

$data = mb_convert_encoding($data, 'cp1252', 'utf-8');
fputcsv($file, $data);

â€"这肯定会在生成 CSV 时停止将破折号转换为。

于 2020-05-22T19:52:30.407 回答