php - 简单的html dom字符编码问题

Question

我正在使用简单的 html dom 从另一个网站检索内容，但问题是使用简单 html dom 检索的内容存在字符编码问题。字符显示为内部带有问号的小菱形。

字符编码问题仅发生在检索到的内容中，并且我网站上的所有其他文本都显示正常。

如果有人可以提供帮助，那就太好了。

Answer 1

尝试使用iconv将抓取文本的字符集转换为您在页面上使用的字符集。

签名：

string iconv ( string $in_charset , string $out_charset , string $str )

例子：

echo iconv("ISO-8859-1", "UTF-8", $text);

Answer 2

我也有这个问题，但这不是字符集问题。它是简单的 html dom 无法处理的 gzip 压缩。这是我的解决方案。file_get_html2请改用该功能file_get_html。

function curl($url){
    $headers[]  = "User-Agent:Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.13) Gecko/20101203 Firefox/3.6.13";
    $headers[]  = "Accept:text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8";
    $headers[]  = "Accept-Language:en-us,en;q=0.5";
    $headers[]  = "Accept-Encoding:gzip,deflate";
    $headers[]  = "Accept-Charset:ISO-8859-1,utf-8;q=0.7,*;q=0.7";
    $headers[]  = "Keep-Alive:115";
    $headers[]  = "Connection:keep-alive";
    $headers[]  = "Cache-Control:max-age=0";

    $curl = curl_init();
    curl_setopt($curl, CURLOPT_URL, $url);
    curl_setopt($curl, CURLOPT_HTTPHEADER, $headers);
    curl_setopt($curl, CURLOPT_ENCODING, "gzip");
    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1);
    $data = curl_exec($curl);
    curl_close($curl);
    return $data;

}
function file_get_html2($url){
    return str_get_html(curl($url));
}

Answer 3

转到网站并通过查看页面信息检查他们的字符集。

$text = iconv(mb_detect_encoding($text), "UTF-8//TRANSLIT//IGNORE", $text);