我发现this thread很好地描述了我的问题,this回答完全描述了我的问题。
非中断空格字符是字节0xA0是ISO-8859-1;当编码为UTF-8时,它是0xC2,0xA0,如果您(错误地)将其视为ISO-8859-1,则显示为
"Â "
。这包括一个尾随...
但是,我设法将我的问题追溯到我用来在div中包装图像标签的函数。
function img_format($str)
{
$doc = new DOMDocument();
@$doc->loadHTML($str); // <-- Bonus points for the explaination of the @
// $tags object
$tags = $doc->getElementsByTagName('img');
foreach ($tags as $tag) {
$div = $doc->createElement('div');
$div->setAttribute('class','inner-copy');
$tag->parentNode->insertBefore($div, $tag);
$div->appendChild($tag);
$tag->setAttribute('class', 'inner-img');
}
$str = $doc->saveHTML();
return $str;
}
很简单,如何在此功能中修复此问题?
我明白使用;
<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />
将解决这个问题,但显然我在功能本身中忽略了一些东西。
我试过了;
$dom->validateOnParse = true;
无济于事。 (我不知道那到底是做什么的)
答案 0 :(得分:6)
发现它!
@$doc->loadHTML(mb_convert_encoding($str, 'HTML-ENTITIES', 'UTF-8'));
This answer解释了这个问题并提供了上述工作;
DOMDocument :: loadHTML会将您的字符串视为ISO-8859-1,除非您另有说明。这导致UTF-8字符串被错误地解释。