Warum kann DOMDocument beim Laden von HTML UTF-8-Zeichen nicht korrekt verarbeiten?-PHP-Tutorial-php.cn

Warum kann DOMDocument beim Laden von HTML UTF-8-Zeichen nicht korrekt verarbeiten?

Mary-Kate Olsen

Freigeben： 2024-11-04 10:12:30

Original

550 Leute haben es durchsucht

Why does DOMDocument fail to handle UTF-8 characters correctly when loading HTML?

DOMDocument kann UTF-8-Zeichen nicht verarbeiten

In einem Szenario, in dem ein Webserver Antworten mit UTF-8-Codierung überträgt, gilt dies für alle Dateien ebenfalls in UTF-8 gespeichert und alle relevanten Einstellungen für die UTF-8-Kodierung konfiguriert wurden, tritt ein Problem auf. Ein Testprogramm zur Überprüfung der Ausgabefunktion zeigt unregelmäßiges Verhalten.

Bei der Ausführung des Programms wird die Ausgabe wie folgt gerendert:

<!DOCTYPE html>
<html><head><meta charset="utf-8"><title>Test!</title></head><body>
    <h1>â˜† Hello â˜† World â˜†</h1>    
</body></html>

Nach dem Login kopieren

was wie folgt aussieht:

< ;h1>â˜† Hallo â˜† Welt â˜†

Das Programm:

<code class="php">$html = <<<HTML
<!doctype html>
<html>
<head>
    <meta charset="utf-8">
    <title>Test!</title>
</head>
<body>
    <h1>☆ Hello ☆ World ☆</h1>
</body>
</html>
HTML;

$dom = new DOMDocument("1.0", "utf-8");
$dom->loadHTML($html);

header("Content-Type: text/html; charset=utf-8");
echo($dom->saveHTML());</code>

Nach dem Login kopieren

Ursache

Die zugrunde liegende Ursache ist, dass DOMDocument::loadHTML() erwartet einen String im HTML-Format. HTML verwendet standardmäßig ISO-8859-1 (ISO Latin Alphabet No. 1) als Standardzeichenkodierung. Wenn ein für HTML 4.0 entwickelter HTML-Parser auf Zeichen stößt, die diese Codierung überschreiten, kann es daher zu unvorhersehbarem Verhalten kommen.

Lösung

Nicht-ASCII-Zeichen in Entitäten konvertieren

Um dieses Problem zu beheben, sollten alle Zeichen außerhalb des ASCII-Bereichs (127 / h7F) konvertiert werden in HTML-Entitäten. Dieser Prozess kann durch den Einsatz von mb_convert_encoding mit der HTML-ENTITIES-Zielkodierung erreicht werden:

<code class="php">$html = mb_convert_encoding($html, "HTML-ENTITIES", "UTF-8");</code>

Nach dem Login kopieren

Hinzufügen eines Inhaltstyp-Meta-Tags

Alternativ kann das Problem gelöst werden durch Einbinden eines Tag in das Dokument selbst ein und gibt den Zeichensatz als UTF-8 an:

<code class="html"><meta http-equiv="content-type" content="text/html; charset=utf-8"></code>

Nach dem Login kopieren

Diese Methode dient als Hinweis für das DOMDocument und zwingt es dazu, die Eingabe als UTF-8-codiert zu interpretieren. Selbst wenn es außerhalb des Abschnitt schreiben die HTML 2.0-Spezifikationen vor, dass solche Elemente automatisch innerhalb des Headers verschoben werden.

Das obige ist der detaillierte Inhalt vonWarum kann DOMDocument beim Laden von HTML UTF-8-Zeichen nicht korrekt verarbeiten?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!