我正在使用简单的HTML DOM从另一个网站检索内容,但问题是使用简单的HTML DOM检索到的内容存在字符编码问题。这些字符显示为带有问号的小菱形。
字符编码问题仅发生在检索到的内容上,我网站上的所有其他文本都正常显示。
如果有人能够帮助,那就太好了。
字符编码问题仅发生在检索到的内容上,我网站上的所有其他文本都正常显示。
如果有人能够帮助,那就太好了。
iconv
将抓取的文本字符集转换为您页面使用的字符集。string iconv ( string $in_charset , string $out_charset , string $str )
例子:
echo iconv("ISO-8859-1", "UTF-8", $text);
我也遇到过这个问题,但它不是字符集的问题。这是gzip压缩,简单的HTML DOM无法处理。以下是我的解决方案:使用函数file_get_html2
代替file_get_html
。
function curl($url){
$headers[] = "User-Agent:Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.13) Gecko/20101203 Firefox/3.6.13";
$headers[] = "Accept:text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8";
$headers[] = "Accept-Language:en-us,en;q=0.5";
$headers[] = "Accept-Encoding:gzip,deflate";
$headers[] = "Accept-Charset:ISO-8859-1,utf-8;q=0.7,*;q=0.7";
$headers[] = "Keep-Alive:115";
$headers[] = "Connection:keep-alive";
$headers[] = "Cache-Control:max-age=0";
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_HTTPHEADER, $headers);
curl_setopt($curl, CURLOPT_ENCODING, "gzip");
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1);
$data = curl_exec($curl);
curl_close($curl);
return $data;
}
function file_get_html2($url){
return str_get_html(curl($url));
}
访问网站并查看页面信息以确定字符集。
$text = iconv(mb_detect_encoding($text), "UTF-8//TRANSLIT//IGNORE", $text);
ISO-8859-1
。我怎么知道我需要什么呢?因为我尝试了你写的,但它没有起作用。如果你能帮助我,我会很高兴的。谢谢。 - php123