用preg_replace替换字符集
[英]Replacing charset with preg_replace
问题描述
我将不同的网站内容存储在名为$ content的变量中。 现在，我想做的就是在内容中搜索像这样的META标签：
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
然后将utf-8替换为IS0-8859-1。 我该如何使用preg_replace？
请注意，每次出现都与该元标记不同。 根据您获取哪个网站，它可能会有所不同。
3 个解决方案
解决方案1
0 已采纳 2009-08-16 13:15:05
您无需使用preg_replace即可。 只需使用str_replace ：
$content = str_replace('; charset=utf-8', '; charset=ISO-8859-1', $content);
解决方案2
0 2009-08-16 13:17:07
那么这样的事情呢：
$input = 'sometext<meta http-equiv="Content-type" content="text/html; charset=utf-8" />someothertext';
$output = preg_replace('#<meta http-equiv="Content-type" content="text/html; charset=(utf-8)" />#',
'<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />',
$input);
var_dump($output);
只需将第二个字符串替换为第一个字符串，即可：
string 'sometext<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />someothertext' (length=95)
当然，这是在考虑输入元始终是相同的，总是以相同的方式编写，具有相同顺序的属性。
正则表达式可能会更宽容一些：
$output = preg_replace('#<meta\s+http-equiv="Content-type"\s+content="text/html;\s+charset=(utf-8)"\s+/>#',
'<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />',
$input);
当然，那仍然不是真正的宽恕^^
但是， 如果您知道用作输入的元数据总是一样的，则不需要正则表达式 ； 我想str_replace会做的很好。
像这样的东西：
$output = str_replace('<meta http-equiv="Content-type" content="text/html; charset=utf-8" />',
'<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />',
$input);
var_dump($output);
这将为您提供相同的输出：
string 'sometext<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />someothertext' (length=95)
在评论和OP版本之后进行编辑
（是的，我已经看到基于str_replace的另一个答案了……不过，也许这会很有用）
如果您确实想操纵不受控制的非“固定” HTML，则最好完全不使用正则表达式，但是为此专门使用了一些工具。
例如，捆绑的类DOMDocument和它的DOMDocument::loadHTML可能会有所帮助； 也许再加上一些XPath查询 - 即使它有点感觉像重炮^^
欲了解更多信息，你可以看看这个答案我前几天给了另一个问题？
而且，在您的情况下，可能会这样：
$input = <<<HTML
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
<title>Test</title>
</head>
<body>
<p>Hello, world!</p>
</body>
</html>
HTML;
$dom = new DOMDocument();
$dom->loadHTML($input);
$xpath = new DOMXpath($dom);
$metas = $xpath->query('//meta[@http-equiv="Content-type"]');
if ($metas->length > 0) {
$meta = $metas->item(0);
$attribute = $meta->getAttribute('content');
if (strpos($attribute, 'text/html') === 0) {
$meta->setAttribute('content', 'text/html; charset=ISO-8859-1');
}
}
echo $dom->saveHTML();
最有趣的部分是：
- 您正在使用带有标准DOM方法的DOM解析器
- 您可以执行XPath查询来精确定位所需的元素
生成的HTML将如下所示：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=ISO-8859-1">
<title>Test</title>
</head>
<body>
<p>Hello, world!</p>
</body>
</html>
也许有点重，并且需要更多代码...但是，这样，它应该总是可以工作（好吧，只要输入所用的HTML不太混乱，我想）。
它将适用于文档中的其他任何内容;-)
在您的情况下可能有点过多，但是，幸运的是，您会记住这一天，您必须解析一些HTML，并且最终不会与任何形式的突变正则表达式进行斗争^^
哦，而且，当然：更改meta内容类型不会更改内容的真实编码：如有必要，您仍然必须自己做（例如，请参阅iconv或utf8_decode ）
您可能还需要更改HTTP Content-type标头（如果设置了HTTP标头，则不确定浏览器如何处理元数据）
解决方案3
0 2010-07-01 12:32:07
您可以只匹配'charset = *“'，然后将*替换为” ISO-8859-1“。
像这样：
$content = preg_replace('/(charset=)(.+)\"/', "$1"."ISO-8859-1", $content);
用preg_replace替换
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.