Pourquoi le chargement HTML de PHP DOMDocument échoue-t-il avec l'encodage UTF-8 et comment puis-je y remédier ?

PHP DOMDocument loadHTML ne peut pas encoder correctement UTF-8

La méthode loadHTML de DOMDocument suppose que votre entrée est codée en ISO-8859-1, ce qui peut entraîner un codage incorrect des caractères UTF-8.

Le L'analyseur sous-jacent utilisé par DOMDocument attend une entrée HTML4, ce qui peut entraîner des problèmes avec les documents HTML5.

Solution :

Pour résoudre ce problème, spécifiez l'encodage des caractères de votre code HTML à l'aide d'un des méthodes suivantes :

Encodage XML Déclaration :

En-tête ContentType :

Préfixe d'encodage XML :

Solution de contournement pour le contenu HTML inconnu :

Si vous ne pouvez pas faire d'hypothèses sur le encodage, utilisez une solution de contournement comme SmartDOMDocument ou le code PHP suivant :

$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();
$dom->loadHTML(mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8'));
echo $dom->saveHTML();

Attention pour PHP 8.2 :

En PHP 8.2, la fonction mb_convert_encoding générera une dépréciation avertissement. Comme alternative :

$dom->loadHTML(mb_encode_numericentity($profile, [0x80, 0x10FFFF, 0, ~0], 'UTF-8'));

Bien qu'elle ne soit pas idéale, cette méthode garantit un encodage sûr car tous les caractères peuvent être représentés en ISO-8859-1.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!