HTML DOM PARSER UTF-8

Question

我有一个网站，但没有用UTF-8编码。我在另一个PHP中包含php文件。当我将编码更改为UTF-8时，所有字符都被破坏了。所以我不能使用标题（.. utf8 bla bla tag。

include_once 'includes/simple_html_dom.php';

$ozet = file_get_contents($url);
$html = str_get_html($ozet);
$trozet = $html->find('div[class="TEST"]',0)->plaintext;
$icerik = "";
$yazi = "<span>$trozet</span>";
$uzunluk = strlen($yazi);
$sinir = 155;
if ($uzunluk > $sinir) {
$icerik = substr($yazi,0,$sinir) . "...";
}

$content.= '<i><span>'.$icerik.'</span></i>';

return $content;

但它得到这样的HTML：

Pittsburgh kentinde sakin ve güneşli bir sabah, mesai saatinden hemen önce insanlar işlerine doğru koşturmakta, günlük telaşlarını yaşama...

应该是：

Pittsburgh kentinde sakin ve güneşli bir sabah, mesai saatinden hemen önce insanlar işlerine doğru koşturmakta, günlük telaşlarını...

我怎样才能做到这一点？

Answer 1

到Substr utf-8字符串，你可以使用这样的函数：

function substrutf8($str,$from,$len){
return preg_replace('#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'. $from .'}'.'((?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'. $len .'}).*#s','$1', $str);}

Answer 2

如果您不能使用UTF-8，则必须将其转换为其他编码：

$yazi = mb_convert_encoding("<span>$trozet</span>", "Windows-1250", "UTF-8");

请注意，并非每个网站都使用UTF-8，而且Windows-1250无论如何都只支持一小部分Unicode字符。