file_get_contents()将UTF-8转换为ISO-8859-1。

Question

file_get_contents()将UTF-8转换为ISO-8859-1。

3

我正在尝试从yahoo.com获取搜索结果。

但是，file_get_contents()会将UTF-8字符集（yahoo使用的字符集）的内容转换为ISO-8859-1。

尝试以下方法：

$filename = "http://search.yahoo.com/search;_ylt=A0oG7lpgGp9NTSYAiQBXNyoA?p=naj%C5%A1%C5%A5astnej%C5%A1%C3%AD&fr2=sb-top&fr=yfp-t-701&type_param=&rd=pref";

echo file_get_contents($filename);

脚本作为

header('Content-Type: text/html; charset=UTF-8');

或者

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

或者

$er = mb_convert_encoding($filename , 'UTF-8');

或者

$s2 = iconv("ISO-8859-1","UTF-8",$filename );

或者

echo utf8_encode(file_get_contents($filename));

对于获取的网页内容中出现的特殊字符，如 š ť ž 等，直接使用“NOT help”是无法解决的，因为它们会被替换成问号 ???。

我希望能得到任何形式的帮助。

- vladinko0

file_get_contents()不会转换任何内容 - Your Common Sense

4个回答

3

file_get_contents 不应该改变字符集。数据作为二进制字符串获取。

当检查您提供的URL时，它提供的是这个头部：

Content-Type: text/html; charset=ISO-8859-1

此外，在正文中：

<meta http-equiv="content-type" content="text/html; charset=ISO-8859-1">

此外，您不能将UTF-8无损转换为ISO-8859-1并在返回UTF-8时恢复字符。 UTF-8 / Unicode支持更多的字符，因此在第一步中丢失了这些字符。

在浏览器中，情况并非如此，因此您可能只需要提供正确的Accept-Encoding标头以指示Yahoo系统可以接受UTF-8。

- Evert

你是怎么发现 Content-Type: text/html; charset=ISO-8859-1 和 <meta http-equiv="content-type" content="text/html; charset=ISO-8859-1"> 的？当我查看该页面的源代码时，我看到 <!doctype html><html lang="en"><head><meta http-equiv="content-type" content="text/html; charset=UTF-8">。 - vladinko0

它根据您的位置提供不同的编码，您可以尝试使用俄罗斯代理服务器获取页面。 - Dejan Marjanović

1

$s2 = iconv("ISO-8859-1","UTF-8//TRANSLIT//IGNORE",$filename );

更好的解决方案...

function curl($url){
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
    curl_setopt($ch, CURLOPT_ENCODING, 1);
    return curl_exec($ch);
    curl_close($ch);
}

echo curl($filename);

- Dejan Marjanović

结果是：文档已经移动到这里。 - vladinko0

@vladinko0，我认为你需要设置CURLOPT_FOLLOWLOCATION，我已经更新了我的回答，请再试一次。 - Dejan Marjanović

现在它加载了页面，但结果与file_get_contents()相同，也就是带有问号。字符集也转换为ISO-8859-1。 - vladinko0

看起来 Yahoo.com 根据用户的 IP（国家）提供不同的页面（字符集）。我已将您的 URL 更改为 http：//ru.search.yahoo.com，但它无法工作。也许您可以通过接受字符集标题，拒绝 ISO-8859-1 来实现一些东西... - Dejan Marjanović

1

对于任何调查此问题的人：

我在处理编码问题时学到，很少有php函数可以“神奇地”改变字符串的编码。（这些罕见的例子之一是：

exec（$command，$output，$returnVal）

请注意，有效的标头设置如下：

header（'Content-Type：text / html; charset = utf-8'）;

而不是：

header（'Content-Type：text / html; charset = UTF-8'）;

由于我遇到了与您描述的类似的问题，因此正确设置标头就足够了。

希望能帮到你！

- Stavros

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Gumbo · Accepted Answer

这似乎是一个内容协商问题，因为file_get_contents可能会发送一个只接受ISO 8859-1字符编码的请求。

您可以使用stream_context_create创建一个自定义流上下文，明确声明您接受UTF-8，以供file_get_contents使用。

$opts = array('http' => array('header' => 'Accept-Charset: UTF-8, *;q=0'));
$context = stream_context_create($opts);

$filename = "http://search.yahoo.com/search;_ylt=A0oG7lpgGp9NTSYAiQBXNyoA?p=naj%C5%A1%C5%A5astnej%C5%A1%C3%AD&fr2=sb-top&fr=yfp-t-701&type_param=&rd=pref";
echo file_get_contents($filename, false, $context);