php DOMDocument-操作和編碼

Question

$dom = new DOMDocument('1.0', 'UTF-8');
$dom->loadHTML($content);
$divs = $dom->getElementsByTagName("div");
foreach ( $divs as $div ) {
    if ( $class = $div->attributes->getNamedItem("class") ) {
        if ( $class->nodeValue == "simplegalleryholder" ) 
            $div->parentNode->removeChild( $div );
    }
}
$content = $dom->saveHTML();

這個簡單的代碼應該可以幫助我刪除

<div class="simplegalleryholder"> .... </div> 

從文檔中。 唯一的問題是，$ content包含utf8編碼的特殊字符（±ęść等），這些特殊字符已被處理程序破壞（我改為使用iÄ™Å，ż）。

我應該如何解決這個問題以獲得正確的結果？

Answer 1

在構造函數中指定UTF-8不會使基礎xml處理庫將其作為utf8進行處理。 以下變通辦法確實很棘手，但是效果很好。

$encodingHint = '<meta http-equiv="Content-Type" content="text/html; charset=utf-8">';
$dom->loadHTML($encodingHint . $html);

https://bugs.php.net/bug.php?id=32547

如果您正在Web瀏覽器中查看輸出，請發送真實的http標頭，而不是http-equiv元標記。 這僅用於查看。 使用domdocument進行處理特別需要meta標簽。

header('content-type: text/html; charset=utf-8');