【问题标题】：Proper character encoding to display "â"?显示“â€”的正确字符编码？
【发布时间】：2011-09-19 04:20:36
【问题描述】：

我遇到了一些我无法弄清楚的令人讨厌的字符编码问题。

基本上，我正在使用 PHP 从网站上抓取一些 HTML，然后通过 PHP 的 DOMDocument 运行它以更改一些 URL 等，完成后，它会输出带有一些奇怪内容的 HTML。例如：应该有结束引号的地方，它会输出&acirc;&#128;&#157;

我将页面的字符集元标记设置为utf-8，但随后&acirc;&#128;&#157; 字符在网站上显示为â€。我不确定是我不懂字符编码还是什么。

关于解决此问题的最佳方法有什么建议吗？带有元标记的客户端，或某种服务器端 PHP 转换？

【问题讨论】：

请显示用于加载 HTML 页面的代码。 DOMDocument 不检测编码本身。在您的情况下，$dom = new DOMDocument('1.0', 'utf-8'); 可能会有所帮助。或者一些other workaround.
原始字符是 U+201D RIGHT DOUBLE QUOTATION MARK (”)，在 UTF-8 中编码为“\xE2\x80\x9D”，被误解为 Latin-1，并且错误的 HTML-编码。
我实际上发现了问题所在。我通过两个不同的 DOM 实例运行它，当我将它从一个导出到第二个时，它变得一团糟。重新安排我的代码只使用一个 DOM 实例，它解决了问题。
Zend 开发者 --- new Zend_Mail("utf-8")

【解决方案1】：

有时在 HTML 中设置字符集或响应标头是不够的。如果您的服务器上没有为 UTF-8 设置所有内容，则您的文本可能会在途中的某个地方被错误地转换。您可能需要在 Apache 和 PHP 的配置文件中启用 UTF-8 编码。（如果您不使用 Apache，请尝试跳过该步骤。）

Apache UTF-8 设置：

编辑您的 charset.conf（理想）或 httpd.conf 文件，将这一行添加到末尾：

AddDefaultCharset utf-8

（如果您无权访问 Apache 的配置文件，您可以使用相同的代码在 HTML 的根目录中创建一个“.htaccess”文件。）

PHP UTF-8 设置：

编辑您的 php.ini 文件，搜索“default_charset”，并将其更改为：

default_charset = "utf-8"

根据您的服务器类型，此命令可能会通过命令行来解决问题：

sudo service apache2 restart

【讨论】：

【解决方案2】：

我认为您应该链接/发布您遇到问题的页面（部分）以及您的一些代码以获得更好的反馈。

一些建议：尝试将您获得的页面字符串从其元标记中指定的编码（或真实文档编码，如果不是这种情况）转换为 UTF-8 和/或在 DOMDocument 对象中强制文档编码（如 ~mario 所述或使用属性），因为 DOMDocument 似乎只有在 HTML 头标记中的第一件事是正确使用编码元标记时。

您也可以尝试禁用 entities conversion 或其他一些属性，因为您不需要它来进行简单的 URL 更改。

【讨论】：