PHP HTML DOM，XPATH - 奇怪的字符？答案

【问题标题】：PHP HTML DOM, XPATH - weird characters?PHP HTML DOM，XPATH - 奇怪的字符？
【发布时间】：2013-10-07 20:10:43
【问题描述】：

假设$html_dom 包含一个页面，其中包含&#8202; 等HTML 实体。在下面的输出中，我得到这样的输出â€Š。

$html_dom = new DOMDocument();
@$html_dom->loadHTML($html_doc);
$xpath = new DOMXPath($html_dom);

$query   = '//div[@class="foo"]/div/p';
$my_foos = $xpath->query($query_abstract);
foreach ($my_foos as $my_foo)
{
    echo html_entity_decode($my_foos->nodeValue);
    die;
}

如何正确处理此问题，以免出现奇怪的字符？我尝试了以下操作但没有成功：

$html_doc = mb_convert_encoding($html_doc, 'HTML-ENTITIES', 'UTF-8');
$html_dom = new DOMDocument();
$html_dom->resolveExternals = TRUE;
@$html_dom->loadHTML($html_doc);
$xpath = new DOMXPath($html_dom);

$query   = '//div[@class="foo"]/div/p';
$my_foos = $xpath->query($query);
foreach ($my_foos as $my_foo)
{
    echo html_entity_decode($my_foos->nodeValue);
    die;
}

【问题讨论】：

标签： php xpath domdocument html-entities html-escape-characters

【解决方案1】：

mb_convert_encoding 是个好主意，但它没有按预期工作，因为DOMDocument 在编码方面似乎有点大问题。

将mb_convert_encoding 移动到实际的节点输出就可以了。

$html_dom = new DOMDocument();
$html_dom->resolveExternals = TRUE;
@$html_dom->loadHTML($html_doc);
$xpath = new DOMXPath($html_dom);

$query   = '//div[@class="foo"]/div/p';
$my_foos = $xpath->query($query);
foreach ($my_foos as $my_foo)
{
    echo mb_convert_encoding($my_foo->nodeValue, 'HTML-ENTITIES', 'UTF-8');
    die;
}

【讨论】：