字符（弯曲的引号，破折号等）在解析XML时出现

Question

我正在尝试解析Guardian RSS提要（Link）。 Feed包含弯曲的引号（“'”），短划线（ - ）和带重音的字符（Orbán）。

当我解析＆amp;在HTML页面上显示文本，这些字符显示为（对于引号和破折号），Ã（对于á）＆amp;在“描述”部分中也是如此。如何让它们正确解析？

代码

$xml = simplexml_load_file($link);
    for($i = 0; $i < 30; $i++){
        $title = $xml->channel->item[$i]->title;
        $description = $xml->channel->item[$i]->description;
        $count = 0;
        $para = "";
        $doc = new DOMDocument();
        @$doc->loadHTML($description);
        while($count<3){
              if($count==0){
                  $para = $doc->getElementsByTagName('p')->item($count)->nodeValue;
              }else{
                  $para = $para."<br><br>".$doc->getElementsByTagName('p')->item($count)->nodeValue;
              }
              $count++;
        }
        echo "<tr>";
        echo "<td>" . $title . "</td>";
        echo "<td>" . $para . "</td>";
        echo "</tr>";
     }

我的'head'部分中有以下行。

<meta http-equiv="Content-Type" content="text/html; charset=utf-8">

标题部分显示正确。可能是因为他们在标题＆amp;中使用直引号（'）。在描述中弯曲（'）。但是你可以看到á也在标题中正确显示。

Answer 1

问题在于loadHTML行。除非另有说明，否则它不会将文本视为UTF-8。

我替换了这一行

@$doc->loadHTML($description);

这一行

@$doc->loadHTML('<?xml encoding="utf-8" ?>'.$description);

Check the original answer here