PHP的DomElement-> nodeValue有gobbly-gook

Question

我正在使用PHP的DOMElement控件解析第三方網頁。 當我在瀏覽器中使用網頁並查看源代碼時，它很干凈，但是當我通過DOMElement-> nodeValue參數訪問某些節點時，HTML標記不存在，並且有幾個換行符和這個字符。 根據這個答案 ，這是出現編碼問題時出現的字符。

我也得到了那個gobbly-gook：

• simplexml_import_dom（$節點） - > asXML（）;
• $ doc-> saveXML（$節點）;

我的問題是如何在DOMElement中簡單地獲取干凈的HTML代碼？

這是干凈的HTML代碼：

<b>Author:</b> AUTHOR<br>
            <b>ISBN:</b> 9780684857220 <br>
            <b>Edition/Copyright:</b> 7<br>
            <b>Publisher:</b> J+M<br>
            <b>Published Date:</b>  1989<br>

這是nodeValue給出的內容：

                    Â 
                    Author:Â AUTHOR      ISBN:Â 9780684857220 Edition/Copyright:Â 7     Publisher:Â J+M       Published Date:Â 
                    1989

Answer 1

您是否嘗試在創建DOM文檔時指定編碼？ 例如：

$doc = new DOMDocument('1.0', 'utf-8');
$doc->loadXML($third_party_web_page_string);

要么

$doc = new DOMDocument('1.0', 'iso-8859-1');
$doc->loadXML($third_party_web_page_string);

如果這些都不起作用，您可以嘗試在數據上使用iconv函數，然后再將其加載到DOM對象中。

Answer 2

原來這不是一個編碼問題，而是我使用了錯誤的方法。 這有效：

$doc = new DOMDocument();
$doc->appendChild($doc->importNode($second_td,true)); 
echo $doc->saveHTML();