为什么 DOMDocument 在加载 HTML 时无法正确处理 UTF-8 字符？-php教程-PHP中文网

为什么 DOMDocument 在加载 HTML 时无法正确处理 UTF-8 字符？

Mary-Kate Olsen

发布： 2024-11-04 10:12:30

原创

337 人浏览过

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

DOMDocument 无法处理 UTF-8 字符

在 Web 服务器使用 UTF-8 编码传输响应的情况下，所有文件同样以 UTF-8 保存，并且所有相关设置都已配置为 UTF-8 编码，则会出现问题。旨在验证输出功能的测试程序表现出不规则行为。

执行程序后，输出呈现如下：

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

登录后复制

，呈现为：

< ;h1>☆ 你好 ↑ 世界 ↑

节目：

<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>

登录后复制

原因

根本原因是 DOMDocument::loadHTML() 预期 HTML 格式的字符串。 HTML 本质上使用 ISO-8859-1（ISO 拉丁字母表 1）作为其默认字符编码。因此，当为 HTML 4.0 设计的 HTML 解析器遇到超过此编码的字符时，它可能会表现出不可预测的行为。

解决方案

将非 ASCII 字符转换为实体

要纠正此问题，所有 ASCII 范围 (127 / h7F) 之外的字符都应转换为 HTML 实体。此过程可以使用 mb_convert_encoding 和 HTML-ENTITIES 目标编码来实现：

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

登录后复制

添加内容类型元标记

或者，可以通过以下方式解决该问题合并一个标记到文档本身，将字符集指定为 UTF-8：

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

登录后复制

此方法充当 DOMDocument 的提示，强制其将输入解释为 UTF-8 编码。即使位于

之外，部分，HTML 2.0 规范规定此类元素将在标头内自动重新定位。

以上是为什么 DOMDocument 在加载 HTML 时无法正确处理 UTF-8 字符？的详细内容。更多信息请关注PHP中文网其他相关文章！

php8，我来也

30分钟学会网站布局

尚观Oracle入门到精通视频教程

你的第一行 UNI-APP 代码

Flutter 从头到应用启动

兄弟连Linux新版视频教程

AXURE 9视频教程（适合产品经理交互产品设计UI）

零基础PS视频教程

16天带你入门UI视频教程

PS技巧和切片技巧视频教程

阿里云环境搭建以及项目上线视频教程

计算机网络概述——程序员必须掌握的基础知识

程序员必备教程——HTTP协议讲解

Websocket视频教程

为什么 DOMDocument 在加载 HTML 时无法正确处理 UTF-8 字符？

原因

解决方案