获取网页然后发布内容时的php文本编码答案

【问题标题】：php text encoding when GETting a webpage and then POSTing contents获取网页然后发布内容时的php文本编码
【发布时间】：2013-03-29 23:13:30
【问题描述】：

我正在尝试获取网页解析其中的一部分，然后将其作为值发布。问题是：当有 ó 字符时，我检索 Ã³，因此在发布它时，urlencode 翻译会将这些字符转换为完全不同的字符，这不起作用。

更准确地说，当 utf-8 中的 ó 被解释为 ISO-9959-1 中的情况时会产生 Ã³，或者至少我的浏览器就是这样做的，如果我设置为以 utf-8 格式查看页面，那么我看 ó，如果我将浏览器设置为在 ISO-9959-1 中查看页面，那么我会看到 Ã³，其他编码会产生不同的符号。

我尝试将页面结果以及特定字符串转换为 utf-8，我也尝试将标题设置为仅接受 utf-8，但这也不起作用。我很确定这是问题所在，但我的想法已经不多了。我更改了php.ini中的配置但可能我还没有重新启动，基本上这就像在黑暗中拍摄一样，非常感谢一些帮助。

如果有帮助：具体代码在这里：https://github.com/trylks/golem/blob/master/php/copperGolem.php

方法是“form”，当使用 GET 从先前获得的页面中获取参数值之一时。

谢谢。

PD 解决了：过去几个小时我一直在处理这个问题，我不知道我是否更改了许多其他必要的事情。无论如何，使它起作用的最后一个更改是将第 60 行更改为：$dom->loadHTML(mb_convert_encoding($p, 'html-entities', mb_detect_encoding($p))); 成功了。问题不是 libcurl 而是 DomDocument，如下所述：PHP DomDocument failing to handle utf-8 characters (☆)

【问题讨论】：

这有帮助吗？ Handling Unicode Front To Back In A Web App
见：stackoverflow.com/questions/649480/…
@fyrye 递归在这里有什么帮助？
@deceze 更新为正确的 URL，奇怪的浏览器复制了错误的链接 >>
您说您尝试将页面和特定字符串转换为 UTF-8 并通过标头强制 UTF-8 编码。你能说明你是怎么做到的吗？

标签： php http character-encoding libcurl

【解决方案1】：

问题出在DomDocument，它不能正确处理utf-8。转换为 html-entities 是最安全的选择，当使用 echo（甚至使用 cli）输出这些字符或对这些字符进行 urlencoding 时，它就像魔术一样工作。基本上DomDocument 不接受 utf-8，但它输出 utf-8，或者看起来是这样。所以这是一个奇怪的转换，必须进行，以便 DomDocument 撤消它，一切又恢复正常。

要做到这一点，作为 $dom 一个 DomDocument，每次调用 $dom->loadHTML($p) 时都这样做就足够了：

$dom->loadHTML(mb_convert_encoding($p, 'html-entities', mb_detect_encoding($p)));

这在另一个问题中得到了更好的解释：PHP DomDocument failing to handle utf-8 characters (☆)

【讨论】：