file_get_contents() 分解 UTF-8 字符

Posted

技术标签:

【中文标题】file_get_contents() 分解 UTF-8 字符【英文标题】:file_get_contents() Breaks Up UTF-8 Characters 【发布时间】:2011-01-15 06:03:35 【问题描述】:

我正在从外部服务器加载 html。 HTML 标记采用 UTF-8 编码并包含 ľ、š、č、ť、ž 等字符。当我使用 file_get_contents() 加载 HTML 时,如下所示:

$html = file_get_contents('http://example.com/foreign.html');

它会混淆 UTF-8 字符并加载 Å、¾、¤ 和类似的废话,而不是正确的 UTF-8 字符。

我该如何解决这个问题?

更新:

我尝试将 HTML 保存到文件并使用 UTF-8 编码输出。两者都不起作用,因此这意味着 file_get_contents() 已经返回损坏的 HTML。

更新2:

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="sk" lang="sk">
<head>

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<meta http-equiv="Content-Style-Type" content="text/css" />
<meta http-equiv="Content-Language" content="sk" />
<title>Test</title>

</head>
<body>


<?php

$html = file_get_contents('http://example.com');
echo htmlentities($html);

?>

</body>
</html>

【问题讨论】:

你使用 UTF-8 输出它们吗? 你在哪里查看加载的 HTML? 我没有输出它。我将它保存到一个文件中,然后读取它。但这无关紧要,因为我尝试使用 UTF-8 输出它,但它仍然一团糟。 第二个示例,您需要将字符集传递给 htmlentities:de3.php.net/htmlentities 猜一猜,会不会是远程服务器在元标记中说utf-8,但在内容类型标头中发送iso-8859-1 【参考方案1】:

我对波兰语也有类似的问题

我试过了:

$fileEndEnd = mb_convert_encoding($fileEndEnd, 'UTF-8', mb_detect_encoding($fileEndEnd, 'UTF-8', true));

我试过了:

$fileEndEnd = utf8_encode ( $fileEndEnd );

我试过了:

$fileEndEnd = iconv( "UTF-8", "UTF-8", $fileEndEnd );

然后-

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

最后一个完美运行!!!!!!

【讨论】:

它给了我 ã 插入 ă 和 ª 而不是 Ș :(( 所有德国人都使用 iso-8859-1 而不是 UTF-8。这将为您修复äöüß。很好的修复谢谢。 这应该是答案!对我来说, file_get_contents() 正在将 £ 转换为 unicode 版本。使用 file_get_contents() 后使用 mb_convert_encoding() 解决了该问题。谢谢! 工作 5 小时后,这个答案拯救了我的一天....好人谢谢 完美:$fileEndEnd = mb_convert_encoding($fileEndEnd, 'HTML-ENTITIES', "UTF-8");【参考方案2】:

我设法使用下面的这个函数来解决:

function file_get_contents_utf8($url) 
    $content = file_get_contents($url);
    return mb_convert_encoding($content, "HTML-ENTITIES", "UTF-8");


file_get_contents_utf8($url);

【讨论】:

【参考方案3】:

试试这个功能

function mb_html_entity_decode($string) 
if (extension_loaded('mbstring') === true)

    mb_language('Neutral');
    mb_internal_encoding('UTF-8');
    mb_detect_order(array('UTF-8', 'ISO-8859-15', 'ISO-8859-1', 'ASCII'));

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


return html_entity_decode($string, ENT_COMPAT, 'UTF-8');

【讨论】:

【参考方案4】:

我遇到了类似的问题,解决的方法是html_entity_decode

我的代码是:

$content = file_get_contents("http://example.com/fr");
$x = new SimpleXMLElement($content);
foreach($x->channel->item as $entry) 
    $subEntry = html_entity_decode($entry->description);

在这里我正在检索一个 xml 文件(法语),这就是我使用这个 $x 对象变量的原因。然后我才把它解码成这个变量$subEntry

我试过mb_convert_encoding,但这对我不起作用。

【讨论】:

【参考方案5】:

示例:

$string = file_get_contents(".../File.txt");
$string = mb_convert_encoding($string, 'UTF-8', "ISO-8859-1");
echo $string;

【讨论】:

这和this answer有什么不同?【参考方案6】:

我正在处理 35000 行数据。

$f=fopen("veri1.txt","r");
$i=0;
while(!feof($f))
    $i++;
    $line=mb_convert_encoding(fgets($f), 'HTML-ENTITIES', "UTF-8");
    echo $line;

这段代码将我的奇怪字符转换为正常字符。

【讨论】:

【参考方案7】:

Solution suggested in the comments of the PHP manual entry for file_get_contents

function file_get_contents_utf8($fn) 
     $content = file_get_contents($fn);
      return mb_convert_encoding($content, 'UTF-8',
          mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));

您也可以通过http://php.net/manual/en/function.mb-internal-encoding.php 试试运气

【讨论】:

这应该被标记为最佳答案。谢谢戈登。 简单、简单、完美。【参考方案8】:

İn 土耳其语、mb_convert_encoding 或任何其他字符集转换都不起作用。

由于空格字符转换为+字符,urlencode 也不起作用。对于百分比编码,它必须是 %20。

这个成功了!

   $url = rawurlencode($url);
   $url = str_replace("%3A", ":", $url);
   $url = str_replace("%2F", "/", $url);

   $data = file_get_contents($url);

【讨论】:

【参考方案9】:

也试试这个

 $url = 'http://www.domain.com/';
    $html = file_get_contents($url);

    //Change encoding to UTF-8 from ISO-8859-1
    $html = iconv('UTF-8', 'ISO-8859-1//TRANSLIT', $html);

【讨论】:

【参考方案10】:

我认为你只是在那里对字符类型进行了双重转换:D

可能是因为您在 html 文档中打开了 html 文档。所以你最终得到了这样的东西

<!DOCTYPE html> 
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title></title>
</head>
<body>
<!DOCTYPE html> 
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Test</title>.......

因此,使用mb_detect_encoding 可能会导致您遇到其他问题。

【讨论】:

【参考方案11】:

好的。我发现 file_get_contents() 不会导致这个问题。我在另一个问题中谈到了一个不同的原因。傻我。

看到这个问题:Why Does DOM Change Encoding?

【讨论】:

file_get_contents() 导致问题。我有一个用 file_get_contents() 打开的 JSON 文件,但是在加载 JSON 后执行 print_r() 时,unicode 字符在那里但不在 JSON 中。对 file_get_contents() 执行 mb_convert_encoding() 解决了问题。 $string = mb_convert_encoding($string, 'HTML-ENTITIES', "UTF-8"); 为我解决了这个问题。

以上是关于file_get_contents() 分解 UTF-8 字符的主要内容,如果未能解决你的问题,请参考以下文章

PHP file_get_contents 忽略超时?

file_get_contents(): SSL operation failed with code 1. OpenSSL Error messages: error:14090086:SSL(示例

file_get_contents(): SSL operation failed with code 1...解决办法和stream_context_create作用

file_get_contents(): SSL operation failed with code 1...解决办法和stream_context_create作用

file_get_contents() 不工作

file_get_contents() 错误