Mengapakah DOMDocument bergelut dengan pengekodan UTF-8 apabila memuatkan rentetan HTML dalam PHP?-tutorial php-php.cn

Mengapakah DOMDocument bergelut dengan pengekodan UTF-8 apabila memuatkan rentetan HTML dalam PHP?

DDD

Lepaskan： 2024-11-04 09:33:30

asal

607 orang telah melayarinya

Why does DOMDocument struggle with UTF-8 encoding when loading HTML strings in PHP?

Document Encoding Woes

Dokumentasi PHP DOMDocument mencadangkan bahawa ia menyokong pengekodan UTF-8 di luar kotak, tetapi seperti yang ditunjukkan oleh sampel kod yang disediakan, ini tidak selalunya kes itu. Isu ini timbul kerana DOMDocument::loadHTML() menjangkakan rentetan HTML dalam pengekodan khusus, yang mengikut sejarah ISO-8859-1 (Latin-1).

Menukar Rentetan kepada Entiti HTML

Untuk menyelesaikan isu ini, kita perlu menukar rentetan kepada pengekodan yang boleh dikendalikan oleh DOMDocument. Satu pilihan ialah menukar aksara bukan ASCII kepada entiti HTML, dengan berkesan melepaskannya. Ini boleh dicapai menggunakan fungsi mb_convert_encoding() dengan pengekodan sasaran 'HTML-ENTITIES'.

Menambah Tag Meta Jenis Kandungan

Pendekatan lain adalah untuk membayangkan pengekodan dokumen dengan menambah tag pada permulaan rentetan HTML. Teg ini menentukan set aksara, dalam kes ini UTF-8:

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

Salin selepas log masuk

Teg meta ini akan diletakkan secara automatik dalam bahagian dokumen, memastikan bahawa DOMDocument mengecam pengekodan dengan betul.

Kod Contoh

Berikut ialah contoh yang menunjukkan penggunaan entiti HTML:

$html = '&lt;meta http-equiv=&quot;content-type&quot; content=&quot;text/html; charset=utf-8&quot;&gt;
<html><head><title>Test!</title></head><body><h1>☆ Hello ☆ World ☆</h1></body></html>';

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

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

Salin selepas log masuk

Dengan menggunakan sama ada kaedah, kami boleh memastikan bahawa DOMDocument boleh mengendalikan aksara UTF-8 dengan betul, membenarkan program mengeluarkan hasil yang diingini:




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


    ☆ Hello ☆ World ☆

Salin selepas log masuk

Atas ialah kandungan terperinci Mengapakah DOMDocument bergelut dengan pengekodan UTF-8 apabila memuatkan rentetan HTML dalam PHP?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!