Warum verarbeitet meine PHP-DOMDocument-loadHTML-Funktion die UTF-8-Codierung nicht korrekt?

PHP DOMDocument loadHTML kodiert UTF-8 nicht korrekt

Problem

Sie verwenden DOMDocument zum Parsen von HTML, aber die Kodierung scheint verloren zu sein wenn Sie den HTML-Code laden. Japanische Zeichen im HTML werden durch verstümmelten Text ersetzt, während sie korrekt angezeigt werden, wenn die HTML-Zeichenfolge direkt über Echo ausgegeben wird.

Ursache

DOMDocument geht davon aus, dass die Eingabezeichenfolge in ISO-8859-1 vorliegt (der HTTP/1.1-Standardzeichensatz) standardmäßig verwendet. Beim Parsen von UTF-8-Strings führt diese falsche Annahme zu einer Fehlinterpretation und damit zu verstümmelten Zeichen.

Lösung

Um sicherzustellen, dass DOMDocument den HTML-String mit der richtigen Codierung lädt, haben Sie mehrere Möglichkeiten:

1. Stellen Sie eine XML-Codierungsdeklaration oder einen Meta-Zeichensatz voran Deklaration: Fügen Sie vor dem Laden der HTML-Zeichenfolge hinzu. oder . Dies erzwingt, dass die Zeichenfolge als UTF-8 behandelt wird.
2. Verwenden Sie SmartDOMDocument: Diese externe Bibliothek bietet eine LoadHTMLCharset-Funktion, die automatisch die richtige Codierung erkennt und verarbeitet.
3. Konvertieren Sie den String in HTML-Entitäten: Die PHP-Funktion mb_convert_encoding kann den HTML-String in HTML konvertieren Entitäten, die die UTF-8-Kodierung verwenden. Laden Sie diese konvertierte Zeichenfolge in das DOM-Dokument.
4. Verwenden Sie mb_encode_numericentity: Diese Funktion codiert High-ASCII-Bytes mit numerischen Entitäten und stellt so sicher, dass die Zeichenfolge auch mit ISO-8859-1-Einschränkungen korrekt analysiert werden kann ( PHP 8.2 Nur).

Beispiel

Hier ist ein Beispiel mit einer Meta-Zeichensatzdeklaration:

$profile = '<p>イリノイ州シカゴにて、アイルランド系の家庭に、9</p>';
$dom = new DOMDocument();

// Add meta charset declaration
$contentType = '<meta http-equiv="Content-Type" content="text/html; charset=utf-8">';
$dom->loadHTML($contentType . $profile);

echo $dom->saveHTML();

Dadurch wird die HTML-Zeichenfolge mit der richtigen UTF-8-Kodierung geladen , wobei die ursprünglichen japanischen Zeichen erhalten bleiben.

Das obige ist der detaillierte Inhalt vonWarum verarbeitet meine PHP-DOMDocument-loadHTML-Funktion die UTF-8-Codierung nicht korrekt?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!