PHP DOMDocument saveHTML未正确编码西里尔字母

Question

我使用DOMDocument来处理HTML和PHP 7。问题是，页面上的文本（西里尔字母）看起来很好，但当我查看“查看HTML页面源代码”时，它不好。它显示如下：Здесь осн 可能有什么问题？<meta> charset是utf-8。我的代码：

$dom = new DOMDocument();
if (@$dom->loadHTML(mb_convert_encoding("<div>$body</div>", 'HTML-ENTITIES', 'UTF-8'), LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD)) {

    // https://dev59.com/7F0b5IYBdhLWcg3wMutw

    $container = $dom->getElementsByTagName('div')->item(0);
    $container = $container->parentNode->removeChild($container);

    while ($dom->firstChild)
        $dom->removeChild($doc->firstChild);

    while ($container->firstChild )
        $dom->appendChild($container->firstChild);

    $xpath = new DOMXPath($dom); 
    $headlines = $xpath->query("//h2");
    // some code..

    return $dom->saveHTML();
}

- sirjay

---

请验证您的编码文档页面：https://stackoverflow.com/questions/14927122/how-to-save-russian-characters-in-a-utf-8-encoded-file - Weenesta - Mathieu Dormeval

Answer 1

问题出现在$dom->saveHTML();上，你需要添加根节点作为参数，像这样：$dom->saveHTML($dom->documentElement);。

return $dom->saveHTML((new \DOMXPath($dom))->query('/')->item(0));

突然它会用代替方式重新渲染页面。如果没有，请仔细检查$dom->encoding和$dom->substituteEntities的值，它们应该分别为UTF-8和TRUE。

- Code4R7

---

你是怎么知道的，我的朋友？我阅读了很多资料，没有人写过这个解决方案。 - sirjay

从记忆中，我几年前在自己的框架中也遇到了同样的问题。更短的语法是 $dom->saveHTML($dom->documentElement);。 - Code4R7

@sirjay 其他人也找到了解决方案。在 PHP 官网上并没有对此行为进行说明。谷歌搜索结果中也没有任何信息，因此问题可能出现在 SaveHTML 函数将参数传递给 Libxml 中，我怀疑 PHP 团队并不知道这一点，因为没有关于 SaveHTML 的错误报告。这是用户自己发现的问题。 - Code4R7