使用 php 将解析的文本转换为 utf-8答案

【问题标题】：Convert parsed text, with php, to utf-8使用 php 将解析的文本转换为 utf-8
【发布时间】：2013-01-15 11:08:12
【问题描述】：

除了我之前关于parsing images and text from complex xml 的问题之外，现在唯一的问题是我没有得到正确的编码。文本为希腊语，xml 文件具有utf-8 编码。这是解析xml的代码：

$xml = simplexml_load_file('myfile.xml');

$descriptions = $xml->xpath('//item/description');

foreach ( $descriptions as $description_node ) {

    $description_dom = new DOMDocument();
    $description_dom->loadHTML( (string)$description_node );

    $description_sxml = simplexml_import_dom( $description_dom );

    $imgs = $description_sxml->xpath('//img');
    $text = $description_sxml->xpath('//div');

    foreach($imgs as $image){

    echo (string)$image['src'];     
       }

    foreach($text as $t){
    
        echo (string)$t;
       }
    }

如果我echo $description_node，文本看起来不错，但在我得到$description_dom 和simplexml_import_dom之后，它看起来像这样： ÏÎµ Î¹ÏÎ»Î±Î¼Î¹ÎºÎÏ ÎºÎ¿Î¹Î½ÏÏÎ·ÏÎµÏ.使用 mb_convert_encoding 将其变为： ÃÂ½ÃÂÃÂ±ÃÂ¹" ÃÂ。我做错了什么？

【问题讨论】：

您是否尝试添加 from_encoding 参数？像mb_convert_encoding($str, "UTF-7", "EUC-JP"); 也使用正确的编码DomDocument
当您将某些字符串“回显”到浏览器时，请确保您从格式良好的 HTML 页面执行此操作，并指定了 UTF-8 字符集：<!doctype html> <html> <head> <meta charset="utf-8" /> </head> <body> <?php echo $text; ?> </body> </html> 这已经可以让您免于一些无用的头痛。
simplexml_load_file 已经在 utf-8 中加载了所有内容，请尝试删除 ,'utf-8' 额外的转换可能
@PeterM 是的，但是将它从 ..what 转换为 utf-8？
来自 myfile.xml 的@pano 编码。也许它是不同的编码？如果是这样，请尝试将文件 before 转换为 simplexml_load_file，在这种情况下应使用 simplexml_load_string。也尝试在浏览器中显示原始 xml 文件，看看它是否正确呈现。

标签： php encoding utf-8 xml-parsing

【解决方案1】：

解决方法：在$description_dom = new DOMDocument();之后，我放了这段代码。

$description_html = mb_convert_encoding($description_node, 'HTML-ENTITIES', "UTF-8");

只需将html entities 转换为UTF-8。而不是

$description_dom->loadHTML( (string)$description_node );

现在我加载转换后的 html

$description_dom->loadHTML( (string)$description_html );

【讨论】：

那么，您将特殊字符编码为 html 十六进制值等，对吧？

【解决方案2】：

将此添加到您希望显示文本的 HTML 页面的头部：

<meta http-equiv='Content-Type' content='text/html; charset=utf-8'>

这应该可以正确渲染字符。

【讨论】：

并确保从 PHP 脚本中删除 $ct=mb_convert_encoding($t, "utf-8")

【解决方案3】：

不要转换任何东西..只需使用正确的声明打印它

header("Content-Type: text/plain; charset=utf-8");

这就是你需要做的。在文件顶部执行此操作。

【讨论】：

@pano 从一个非常简单的 php 脚本开始，例如 <?php header("Content-Type: text/plain; charset=utf-8"); echo file_get_contents('myfile.xml'); ?> 。之后，开始逐渐添加您自己的代码，看看它开始失败的地方。
已经做了，在$description_sxml = simplexml_import_dom( $description_dom );之后开始失败
@pano 这个功能应该不是问题。目前无权访问文档以进行确认。
如果我 echo $description_node 没关系。如果我echo $description_sxml，不是。
@pano 你可以通过$imgs = $description_node->xpath('//img'); $text = $description_node->xpath('//div');避免大部分事情