使用 DOMDocument 进行 PHP 编码答案

【问题标题】：PHP encoding with DOMDocument使用 DOMDocument 进行 PHP 编码
【发布时间】：2010-01-26 19:48:16
【问题描述】：

<tag>
Алекс М
</tag>

当我尝试使用 DOMDocument 函数获取以下代码的内容时，它返回如下内容：

ÐÐ»ÐµÐºÑ Ðœ

我尝试使用 mb_convert_encoding、iconv 和 utf8_encode 将 DOMDocument 编码设置为不同的值（UTF-8、ISO-8859-1），但没有成功。

我怎样才能得到“Алекс М”而不是“ÐÐ»ÐµÐºÑ Ðœ”？

编辑：输入来自加载了 curl 的页面。当我将页面内容输出到浏览器时，字符显示正确（所以我怀疑输入是问题）。

【问题讨论】：

你能把你用来创建文档的代码和重要的内容贴进去吗？

标签： php dom character-encoding

【解决方案1】：

试试：

$string = file_get_contents('your-xml-file.xml');
$string = mb_convert_encoding($string, 'utf-8', mb_detect_encoding($string));
// if you have not escaped entities use
$string = mb_convert_encoding($string, 'html-entities', 'utf-8'); 
$doc = new DOMDocument();
$doc->loadXML($string);

【讨论】：

我用一个简单的£符号遇到了这个问题，这个答案似乎已经解决了。需要注意的是，如果你在字符串上使用html-entities，那么你将无法进行loadXML，因为XML会报错未知实体；您必须使用 loadHTML。但是，我怀疑有一个函数可以将它们转换为像 « 这样的实体。管他呢。麻烦的是，这并不是一个好的答案，因为它使文本无法阅读，但是 PHP 在编码问题上有点臭名昭著。
我想指出，当您获得生成的 HTML 时，您可以在末尾添加这一行：$html = mb_convert_encoding($html, 'utf-8', 'html-entities'); 它将一些 html 实体转换回其原始值。
仅供参考 - 我试过这个（希望它是修复！:)）我确定它是......但是，我的客户没有安装 mb_string 模块（DOH ！）所以我发现了这个stackoverflow.com/questions/7220737/… 对我有用（utf8-encode/decode 响应）。

【解决方案2】：

我在使用 XPath 解析 DomDocument 之后遇到了类似的问题，并且在阅读了这篇文章之后

https://bugs.php.net/bug.php?id=32547

我是这样解决的

// Workaround because PHP 5.2.x has encoding problems, when we 
// update to PHP 5.3 this line is not necesserry any more
$content = '<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />' . $content;

// Creating new DOM document and loading HTML content
$dom_document = new DOMDocument('1.0', 'UTF-8');
$dom_document->substituteEntities = TRUE;
$dom_document->loadHTML($content);

【讨论】：

感谢您发布此信息。我正在维护一个运行 PHP 5.2.6 的旧服务器，并且一直遇到这个问题。这解决了它。

【解决方案3】：

为您的标签添加 xml 标头 - 试试这个：

$a = new DOMDocument ();
$a->loadXml ('<?xml version="1.0" encoding="UTF-8"?><tag>Алекс М</tag>');
print htmlspecialchars ($a->saveXml ());

【讨论】：