file_get_contents() 分解 UTF-8 字符

Question

我正在从外部服务器加载 HTML。 HTML 标记具有 UTF-8 编码并包含诸如 ľ,š,č,ť,ž 等字符。当我使用 file_get_contents() 加载 HTML 时，如下所示：

$html = file_get_contents('http://example.com/foreign.html');

它弄乱了 UTF-8 字符并加载了 Å、¾、¤ 和类似的废话，而不是正确的 UTF-8 字符。

我该如何解决这个问题？

更新：

我尝试将 HTML 保存到文件并使用 UTF-8 编码输出。 两者都不起作用，所以这意味着 file_get_contents() 已经返回损坏的 HTML。

更新2：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="sk" lang="sk">
<head>

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<meta http-equiv="Content-Style-Type" content="text/css" />
<meta http-equiv="Content-Language" content="sk" />
<title>Test</title>

</head>
<body>


<?php

$html = file_get_contents('http://example.com');
echo htmlentities($html);

?>

</body>
</html>

Answer 1

我对波兰语有类似的问题

我试过：

$fileEndEnd = mb_convert_encoding($fileEndEnd, 'UTF-8', mb_detect_encoding($fileEndEnd, 'UTF-8', true));

我试过：

$fileEndEnd = utf8_encode ( $fileEndEnd );

我试过：

$fileEndEnd = iconv( "UTF-8", "UTF-8", $fileEndEnd );

进而 -

$fileEndEnd = mb_convert_encoding($fileEndEnd, 'HTML-ENTITIES', "UTF-8");

这最后一次完美地工作！！！！！！！

Answer 2

在 PHP 手册条目 file_get_contents 的注释中建议的解决方案

function file_get_contents_utf8($fn) {
     $content = file_get_contents($fn);
      return mb_convert_encoding($content, 'UTF-8',
          mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));
}

你也可以试试你的运气http://php.net/manual/en/function.mb-internal-encoding.php

Answer 3

好吧。 我发现 file_get_contents() 没有导致这个问题。 我在另一个问题中谈到了一个不同的原因。 傻我。

看到这个问题：为什么DOM会改变编码？

Answer 4

我认为您只是在那里对字符类型进行了双重转换：D

可能是因为您在 html 文档中打开了 html 文档。 所以你最终会有这样的东西

<!DOCTYPE html> 
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title></title>
</head>
<body>
<!DOCTYPE html> 
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Test</title>.......

因此，使用mb_detect_encoding可能会导致您遇到其他问题。

Answer 5

土耳其语、mb_convert_encoding 或任何其他字符集转换均无效。

而且 urlencode 也不起作用，因为空格字符转换为 + 字符。 对于百分比编码，它必须是 %20。

这个成功了！

   $url = rawurlencode($url);
   $url = str_replace("%3A", ":", $url);
   $url = str_replace("%2F", "/", $url);

   $data = file_get_contents($url);

Answer 6

例子：

$string = file_get_contents(".../File.txt");
$string = mb_convert_encoding($string, 'UTF-8', "ISO-8859-1");
echo $string;

Answer 7

也试试这个

 $url = 'http://www.domain.com/';
    $html = file_get_contents($url);

    //Change encoding to UTF-8 from ISO-8859-1
    $html = iconv('UTF-8', 'ISO-8859-1//TRANSLIT', $html);

Answer 8

我设法使用下面的这个函数来解决：

function file_get_contents_utf8($url) {
    $content = file_get_contents($url);
    return mb_convert_encoding($content, "HTML-ENTITIES", "UTF-8");
}

file_get_contents_utf8($url);

Answer 9

我正在处理 35000 行数据。

$f=fopen("veri1.txt","r");
$i=0;
while(!feof($f)){
    $i++;
    $line=mb_convert_encoding(fgets($f), 'HTML-ENTITIES', "UTF-8");
    echo $line;
}

此代码将我的奇怪字符转换为正常字符。

Answer 10

我有一个类似的问题，解决它的是html_entity_decode 。

我的代码是：

$content = file_get_contents("http://example.com/fr");
$x = new SimpleXMLElement($content);
foreach($x->channel->item as $entry) {
    $subEntry = html_entity_decode($entry->description);
}

在这里，我正在检索一个 xml 文件（法语），这就是我使用这个 $x 对象变量的原因。 然后我才将它解码为这个变量$subEntry 。

我试过mb_convert_encoding但这对我不起作用。

Answer 11

试试这个功能

function mb_html_entity_decode($string) {
if (extension_loaded('mbstring') === true)
{
    mb_language('Neutral');
    mb_internal_encoding('UTF-8');
    mb_detect_order(array('UTF-8', 'ISO-8859-15', 'ISO-8859-1', 'ASCII'));

    return mb_convert_encoding($string, 'UTF-8', 'HTML-ENTITIES');
}

return html_entity_decode($string, ENT_COMPAT, 'UTF-8');

}

file_get_contents() 分解 UTF-8 字符

问题描述

11 个解决方案

解决方案1
113 2013-03-03 08:20:40

解决方案2
84 2010-02-10 12:26:46

解决方案3
6 已采纳 2010-02-10 13:05:31

解决方案4
5 2012-11-10 18:59:00

解决方案5
3 2016-10-26 08:24:31

解决方案6
3 2019-09-17 09:26:00

解决方案7
2 2014-11-19 13:55:28

解决方案8
2 2020-08-31 13:59:53

解决方案9
0 2017-11-15 10:49:54

解决方案10
0 2019-10-18 01:42:25

解决方案11
0 2020-01-22 19:55:34

file_get_contents() 分解 UTF-8 字符

问题描述

11 个解决方案

解决方案1 113 2013-03-03 08:20:40

解决方案2 84 2010-02-10 12:26:46

解决方案3 6 已采纳 2010-02-10 13:05:31

解决方案4 5 2012-11-10 18:59:00

解决方案5 3 2016-10-26 08:24:31

解决方案6 3 2019-09-17 09:26:00

解决方案7 2 2014-11-19 13:55:28

解决方案8 2 2020-08-31 13:59:53

解决方案9 0 2017-11-15 10:49:54

解决方案10 0 2019-10-18 01:42:25

解决方案11 0 2020-01-22 19:55:34

解决方案1
113 2013-03-03 08:20:40

解决方案2
84 2010-02-10 12:26:46

解决方案3
6 已采纳 2010-02-10 13:05:31

解决方案4
5 2012-11-10 18:59:00

解决方案5
3 2016-10-26 08:24:31

解决方案6
3 2019-09-17 09:26:00

解决方案7
2 2014-11-19 13:55:28

解决方案8
2 2020-08-31 13:59:53

解决方案9
0 2017-11-15 10:49:54

解决方案10
0 2019-10-18 01:42:25

解决方案11
0 2020-01-22 19:55:34