Question

我尝试获取此网址的内容：http://www.chromeball.com，但字符编码效果不佳。

我有这段代码：

$url = 'http://www.chromeball.com';
$ch = curl_init($url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$data = curl_exec($ch);
curl_close($ch);


$dom = new DOMDocument();
$dom->loadHTML($data);
$xpath = new DOMXPath($dom);  
$nodes = $xpath->query('//text() | //@alt | //@title | /html/head/meta[@name="description"] | /html/head/meta[@name="keywords"]');
foreach($nodes as $node) {
  $textNodeContent .= " ".$node->nodeValue;
}

$enc = mb_detect_encoding($textNodeContent,'iso-8859-2,iso-8859-1,utf-8');
print  iconv($enc,'utf-8//TRANSLIT',$textNodeContent);

但这不起作用。字符编码错误。如何将$ textNodeContent转换为utf-8？谢谢。

Answer 1

从mb_detect_encoding页面上的评论看，该功能看起来并不特别可靠。 Chrigu（见帖子日期为2005年3月29日03:32），建议将UTF-8作为列表中的第一个字符编码：

$enc = mb_detect_encoding($textNodeContent,'utf-8,iso-8859-2,iso-8859-1');

我已经尝试过了，它现在将内容显示为UTF-8。但是，我刚刚尝试了ISO-8859-1内容，它也检测到了UTF-8 ......

Answer 2

像这样初始化DOM：

$dom->loadHTML('<?xml encoding="UTF-8">' . $data);

字符编码错误！

2 个答案: