PHP DomElement->nodeValue 有 gobbledygook答案

【问题标题】：PHP's DomElement->nodeValue has gobbly-gookPHP DomElement->nodeValue 有 gobbledygook
【发布时间】：2011-05-11 05:42:27
【问题描述】：

我正在使用 PHP 的 DOMElement 控件解析第三方网页。当我在浏览器中使用网页并查看源代码时，它很干净，但是当我通过 DOMElement->nodeValue 参数访问某些节点时，HTML 标记不存在，并且有几个换行符和这个字符 Â。根据this answer，这是出现编码问题时出现的字符。

我还使用以下方法获得了那个 gobbly-gook：

simplexml_import_dom($node)->asXML();
$doc->saveXML($node);

我的问题是如何在 DOMElement 中简单地获取干净的 HTML 代码？

这是干净的 HTML 代码：

<b>Author:</b> AUTHOR<br>
            <b>ISBN:</b> 9780684857220 <br>
            <b>Edition/Copyright:</b> 7<br>
            <b>Publisher:</b> J+M<br>
            <b>Published Date:</b>  1989<br>

这是 nodeValue 给出的：

                    Â 
                    Author:Â AUTHOR      ISBN:Â 9780684857220 Edition/Copyright:Â 7     Publisher:Â J+M       Published Date:Â 
                    1989

【问题讨论】：

标签： php xml dom

【解决方案1】：

您是否尝试过在创建 DOM 文档时指定编码？例如：

$doc = new DOMDocument('1.0', 'utf-8');
$doc->loadXML($third_party_web_page_string);

或

$doc = new DOMDocument('1.0', 'iso-8859-1');
$doc->loadXML($third_party_web_page_string);

如果这些都不起作用，您可以在将数据加载到 DOM 对象之前尝试对数据使用 iconv 函数。

【讨论】：

这解决了编码问题，但标签不存在。原来问题是我使用的方法

【解决方案2】：

原来这不是编码问题，而是我使用了错误的方法。这有效：

$doc = new DOMDocument();
$doc->appendChild($doc->importNode($second_td,true)); 
echo $doc->saveHTML();

【讨论】：