PHP Curl UTF-8 字符集

Question

我有一個 php 腳本，它調用另一個網頁並寫入頁面的所有 html，一切正常，但是存在字符集問題。 我的 php 文件編碼是 utf-8 並且所有其他 php 文件都可以正常工作（這意味着服務器沒有問題）。 該代碼中缺少什么，所有西班牙語字母看起來都很奇怪。 附注。 當我將這些奇怪的字符原始版本寫入php時，它們看起來都很准確。

header("Content-Type: text/html; charset=utf-8");
function file_get_contents_curl($url)
{
    $ch=curl_init();
    curl_setopt($ch,CURLOPT_HEADER,0);
    curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
    curl_setopt($ch,CURLOPT_URL,$url);
    curl_setopt($ch,CURLOPT_FOLLOWLOCATION,1);
    $data=curl_exec($ch);
    curl_close($ch);
    return $data;
}
$html=file_get_contents_curl($_GET["u"]);
$doc=new DOMDocument();
@$doc->loadHTML($html);

Answer 1

簡單：當您使用 curl 時，它將字符串編碼為utf-8您只需要對其進行解碼即可。

Description

string utf8_decode ( string $data )

此函數將假定為UTF-8編碼的 data 解碼為ISO-8859-1 。

Answer 2

你可以使用這個標題

   header('Content-type: text/html; charset=UTF-8');

並在解碼字符串后

 $page = utf8_decode(curl_exec($ch));

它對我有用

Answer 3

$output = curl_exec($ch);
$result = iconv("Windows-1251", "UTF-8", $output);

Answer 4

function page_title($val){
    include(dirname(__FILE__).'/simple_html_dom.php');
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL,$val);
    curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:25.0) Gecko/20100101 Firefox/25.0');
    curl_setopt($ch, CURLOPT_ENCODING , "gzip");
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_HEADER, 0);
    $return = curl_exec($ch); 
    $encot = false;
    $charset = curl_getinfo($ch, CURLINFO_CONTENT_TYPE);

    curl_close($ch); 
    $html = str_get_html('"'.$return.'"');

    if(strpos($charset,'charset=') !== false) {
        $c = str_replace("text/html; charset=","",$charset);
        $encot = true;
    }
    else {
        $lookat=$html->find('meta[http-equiv=Content-Type]',0);
        $chrst = $lookat->content;
        preg_match('/charset=(.+)/', $chrst, $found);
        $p = trim($found[1]);
        if(!empty($p) && $p != "")
        {
            $c = $p;
            $encot = true;
        }
    }
    $title = $html->find('title')[0]->innertext;
    if($encot == true && $c != 'utf-8' && $c != 'UTF-8') $title = mb_convert_encoding($title,'UTF-8',$c);

    return $title;
}

Answer 5

我正在通過 cURL 和mb_detect_encoding(curl_exec($ch));獲取一個 windows-1252 編碼的文件mb_detect_encoding(curl_exec($ch)); 返回 UTF-8。 試過utf8_encode(curl_exec($ch)); 並且字符是正確的。

Answer 6

第一種方法（內部函數）

我之前嘗試過的最好方法是使用urlencode() 。 請記住，不要在整個 url 中使用它； 相反，僅將其用於所需的部分。 例如，一個請求有兩個 'text-fa' 和 'text-en' 字段，它們分別包含一個波斯語和一個英語文本，您可能只需要對波斯語文本進行編碼，而不是對英語文本進行編碼。

第二種方法（使用 cURL 函數）

但是，如果必須編碼的字符范圍更有限，則有更好的方法。 其中一種方法是使用CURLOPT_ENCODING ，將其傳遞給curl_setopt() ：

curl_setopt($ch, CURLOPT_ENCODING, "");