为什么我的 PHP DOMDocument::loadHTML() 无法正确处理 UTF-8 编码？

PHP DOMDocument loadHTML 未正确编码 UTF-8

尝试使用 DOMDocument::loadHTML() 解析 HTML 时，您可能会遇到问题使用正确的 UTF-8 编码。默认情况下，DOMDocument 将输入字符串视为 ISO-8859-1，这在处理 UTF-8 数据时可能会导致错误。

解决方案：

确保正确编码，您可以采用各种方法：

• 前置编码声明： 添加 XML 编码声明或 HTML 元字符集声明以指示 UTF-8 字符的存在：

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

• 使用SmartDOMDocument： 如果输入 HTML 可能已包含声明，请使用 SmartDOMDocument 库来解决潜在的冲突：

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

• 替代方案： 在 PHP 8.2 中，使用 mb_encode_numericentity() 进行更安全的编码选项：

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

HTML5 注意事项：

DOMDocument 使用 HTML4 解析器。对于 HTML5 文档，请考虑使用专为 HTML5 合规性而设计的替代 HTML 解析器。

示例：

以下代码演示了如何使用 mb_convert_encoding() 来纠正不正确的 UTF-8编码：

$profile = "
イリノイ州シカゴにて、アイルランド系の家庭に、9人兄弟の5番目として
";
$dom = new DOMDocument();
$dom->loadHTML(mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8'));
echo $dom->saveHTML();

以上是为什么我的 PHP DOMDocument::loadHTML() 无法正确处理 UTF-8 编码？的详细内容。更多信息请关注PHP中文网其他相关文章！