PHP：如何將外來字符從simple_html_dom轉換為UTF8？

Question

我遇到了來自網頁中包含外來字符的字符串的麻煩。

該字符串是通過使用str_get_html()解析網頁生成的，其后是$htmldom->innertext; （simple_html_dom類庫）。

當我使用htmlentities()輸出字符串時，它顯示得很好； 但是在字符串上使用explode()並打印零件，我得到了一個傾斜的塊，其中每個問號都帶有問號。

我需要將字符串存儲在utf8 MySQL數據庫中，因此我需要正確的外來字符。

我的頁面的標頭帶有utf8字符集。

我已經嘗試過mb_split()和preg_split() ，但是它們有相同的問題。

Answer 1

我用以下方法解決了這個問題： https : //github.com/neitanod/forceutf8

它具有強大的功能，可以將任何內容轉換為utf-8，無論其來源是什么（只要它來自Latin1（iso 8859-1），Windows-1252或UTF8，或者它們的混合）。

非常感謝Sebastian Grignoli。

Answer 2

PHP和UTF-8並不是很好的組合。 有些功能可以在UTF-8上正常工作，而其他功能則不能，最差的是那些已被證明可以正常工作的功能，但實際上卻不行（例如DOMDocument）。

您可以使用mb_convert_encoding()將多字節字符轉換為HTML實體，這通常提供了一種可接受的解決方法：

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