PHP DOMDocument，Unicode问题

2018-06-10 01:18:01

我在这里有一些问题

$source = "<html><body><h1>&#8220;</h1></body></html>";
$dom = new DOMDocument();
$dom->loadHTML($source);
echo $dom->saveHTML();

输出：

<！DOCTYPE html PUBLIC“ - // W3C // DTD HTML 4.0 Transitional // EN”“http://www.w3.org/TR/REC-html40/loose.dtd”> <html> <body> <h1 >＆ldquo; </ H1> </ BODY> </ HTML>

好的，这个工作正常。但是如果我想提取像这样的节点

$source = "<html><body><h1>&#8220;</h1></body></html>";
$dom = new DOMDocument();
$dom->loadHTML($source);
$h1 = $dom->getElementsByTagName('h1');
echo $dom->saveHTML($h1->item(0));

它输出无法识别的文本。

任何人都知道如何解决此问题？

你的代码示例适用于我，输出是<h1>“</h1> 。

&ldquo;    <ENTITY TYPE="#8220"/>    “    Left double quotation mark

二进制UTF-8序列“是：

0xE2 (226) 0x80 (128) 0x9C (156)
 |          |           `------ Windows-1252: œ
 |          `--- most Windows 125x encodings: €
 `--- ISO 8859-1, 2, 3, 4, 9, 10, 14, 15, 16: â

那么你在哪里查看输出？

可能在Windows的浏览器中？如果你的浏览器内，你有尝试添加

header('Content-Type: text/html; charset=utf-8');

在脚本的顶部？

另请参阅：设置HTTP字符集参数和检查HTTP标题。

你需要domdocument构造函数的第二个参数（checkout http://nl.php.net/manual/en/domdocument.construct.php）：

$dom = new DOMDocument('1.0', 'utf-8');

链接地址: http://www.djcxy.com/p/29847.html

上一篇: PHP DOMDocument, Unicode problems

下一篇: Parsing HTML Source to extract Anchor and Link tags href value