为什么file_get_contents返回乱码数据？

Question

我正在尝试使用一些简单的php从下面的页面中获取HTML。

网址： https : //kat.cr/usearch/architecture%20category%3Abooks/

我的代码是：

$html = file_get_contents('https://kat.cr/usearch/architecture%20category%3Abooks/');
echo $html;

在哪里file_get_contents工作，但返回加扰的数据：

我尝试使用cUrl以及各种函数，例如： htmlentities(), mb_convert_encoding ， utf8_encode等，但只是获得了加扰文本的不同变体。

页面的来源说这是charset=utf-8 ，但是我不确定是什么问题。

在基本URL kat.cr上调用file_get_contents() kat.cr返回相同的混乱。

我在这里想念什么？

Answer 1

它是GZ压缩的，当被浏览器获取时，浏览器将其解压缩，因此您需要解压缩。 要输出它，也可以使用readgzfile（） ：

readgzfile('https://kat.cr/usearch/architecture%20category%3Abooks/');

Answer 2

您的站点响应正在被压缩，因此必须解压缩才能将其转换为原始形式。

最快的方法是使用gzinflate() ，如下所示：

$html = gzinflate(substr(file_get_contents("https://kat.cr/usearch/architecture%20category%3Abooks/"), 10, -8));

或者，对于更高级的解决方案，请考虑以下功能（在此博客中找到）：

function get_url($url)
{
    //user agent is very necessary, otherwise some websites like google.com wont give zipped content
    $opts = array(
        'http'=>array(
            'method'=>"GET",
            'header'=>"Accept-Language: en-US,en;q=0.8rn" .
                        "Accept-Encoding: gzip,deflate,sdchrn" .
                        "Accept-Charset:UTF-8,*;q=0.5rn" .
                        "User-Agent: Mozilla/5.0 (X11; Linux x86_64; rv:19.0) Gecko/20100101 Firefox/19.0 FirePHP/0.4rn"
        )
    );

    $context = stream_context_create($opts);
    $content = file_get_contents($url ,false,$context); 

    //If http response header mentions that content is gzipped, then uncompress it
    foreach($http_response_header as $c => $h)
    {
        if(stristr($h, 'content-encoding') and stristr($h, 'gzip'))
        {
            //Now lets uncompress the compressed data
            $content = gzinflate( substr($content,10,-8) );
        }
    }

    return $content;
}

echo get_url('http://www.google.com/');