为什么file_get_contents返回乱码数据？

Question

我试图使用一些简单的php从下面的页面中获取HTML。

网址：https://kat.cr/usearch/architecture%20category%3Abooks/

我的代码是：

getActivity()

其中$html = file_get_contents('https://kat.cr/usearch/architecture%20category%3Abooks/'); echo $html; 有效，但返回加扰数据：

我尝试使用file_get_contents以及各种功能，例如：cUrl htmlentities(),，mb_convert_encoding等等，但只是获得了加扰文本的不同变体。< / p>

页面的来源显示为utf8_encode，但我不确定问题是什么。

在基本网址charset=utf-8上调用file_get_contents()会返回同样的混乱。

我在这里缺少什么？

Answer 1

它是GZ压缩的，当浏览器提取时，浏览器对此进行解压缩，因此您需要解压缩。要输出它，您可以使用readgzfile()：

readgzfile('https://kat.cr/usearch/architecture%20category%3Abooks/');

Answer 2

您的网站响应正在被压缩，因此您必须解压缩才能将其转换为原始表单。

最快捷的方法是使用gzinflate()，如下所示：

$html = gzinflate(substr(file_get_contents("https://kat.cr/usearch/architecture%20category%3Abooks/"), 10, -8));

或者对于更高级的解决方案，请考虑以下功能（在此blog中找到）：

function get_url($url)
{
    //user agent is very necessary, otherwise some websites like google.com wont give zipped content
    $opts = array(
        'http'=>array(
            'method'=>"GET",
            'header'=>"Accept-Language: en-US,en;q=0.8rn" .
                        "Accept-Encoding: gzip,deflate,sdchrn" .
                        "Accept-Charset:UTF-8,*;q=0.5rn" .
                        "User-Agent: Mozilla/5.0 (X11; Linux x86_64; rv:19.0) Gecko/20100101 Firefox/19.0 FirePHP/0.4rn"
        )
    );

    $context = stream_context_create($opts);
    $content = file_get_contents($url ,false,$context); 

    //If http response header mentions that content is gzipped, then uncompress it
    foreach($http_response_header as $c => $h)
    {
        if(stristr($h, 'content-encoding') and stristr($h, 'gzip'))
        {
            //Now lets uncompress the compressed data
            $content = gzinflate( substr($content,10,-8) );
        }
    }

    return $content;
}

echo get_url('http://www.google.com/');