PHP DOMDocument日語字符編碼問題

Question

我有一個名為的文件：ニューヨーク·ヤンキース - チケット-200x225.jpg

我能用我的PHP代碼成功完成這個：

    if (file_exists(ABSPATH . 'ニューヨーク・ヤンキース-チケット-200x225.jpg')) {
    echo 'yes';
}

但是，當我使用DOMDocument解析我的內容時，同樣的字符串將被返回為：ããããããããããããããããããããããããããããããããããããããããããããããããããããããããã³

如何使用以下代碼防止這種情況發生？ 我們的應用程序是國際化的，因此我們需要容納所有utf-8字符：

$dom = new DOMDocument();
$dom->encoding = 'utf-8';
$dom->loadHTML($content);
$images = $dom->getElementsByTagName('img');

foreach ($images as $image) {
    if( $image->hasAttribute('srcset') ) continue;
    echo $initImgSrc = $image->getAttribute('src');
    if (!preg_match('/[_-]\d+x\d+(?=\.[a-z]{3,4}$)/', $initImgSrc)) continue;

    $newImgSrc = preg_replace('/[_-]\d+x\d+(?=\.[a-z]{3,4}$)/', '', $initImgSrc);
    if (strpos($newImgSrc, '/') === 0) {
        $newImgPath = str_replace( '/wp-content', ABSPATH . 'wp-content', $newImgSrc);
    } else {
        $newImgPath = str_replace( get_home_url(), ABSPATH, $newImgSrc);
    }
    if (!file_exists($newImgPath)) continue;
    echo 'yes';
    $dom->saveXML($image);

    $oldSrc = 'src="' . $initImgSrc . '"';
    $newDataSrcSet = $initImgSrc . ' 1x, ' . $newImgSrc . ' 2x';
    $newSrcWithSrcSet = $oldSrc . ' srcset="' . $newDataSrcSet .'"';
    $content  = str_replace( $oldSrc, $newSrcWithSrcSet, $content );
}
return $content;

此代碼正常工作，而不是日文字符。 任何幫助都會非常感激

Answer 1

除非另有說明，否則DOMDocument::loadHTML會將您的字符串視為ISO-8859-1。 這導致UTF-8字符串被錯誤地解釋。

如果您的字符串不包含XML編碼聲明，則可以添加一個以使該字符串被視為UTF-8：

$profile = '<p>イリノイ州シカゴにて、アイルランド系の家庭に、9</p>';
$dom = new DOMDocument();
$dom->loadHTML('<?xml encoding="utf-8" ?>' . $profile);
echo $dom->saveHTML();

如果你不知道字符串是否已經包含這樣的聲明，那么SmartDOMDocument中有一個解決方法可以幫助你：

$profile = '<p>イリノイ州シカゴにて、アイルランド系の家庭に、9</p>';
$dom = new DOMDocument();
$dom->loadHTML(mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8'));
echo $dom->saveHTML();

這不是一個很好的解決方法，但由於並非所有角色都可以用ISO-8859-1（如這些武士刀）來表示，因此它是最安全的選擇。

從這里復制的答案： PHP DOMDocument loadHTML沒有正確編碼UTF-8