Question

我怎样才能将html网页字符集从html编码为字符串而不是dom？

我得到这样的html字符串：

$html = file_get_contents($url);
preg_match_all (string pattern, string subject, array matches, int flags)

但我不知道正则表达式，我需要找到网页字符集（UTF-8 / windows-255 /等..）谢谢，

Answer 1

的preg_match（ '〜字符集=（[ - 一个-Z0-9 _] +）〜I'，$ HTML，$字符集）;

Answer 2

首先，您必须检查内容类型标题。

//add error handling
$f = fopen($url, "r");
$md = stream_get_meta_data($f);
$wd = $md["wrapper_data"];
foreach($wd as $response) {
    if (preg_match('/^content-type: .+?/.+?;\\s?charset=([^;"\\s]+|"[^;"]+")/i',
             $response, $matches) {
         $charset = $matches[1];
         break;
    }
}
$data = stream_get_contents($f);

然后，您可以回退meta元素。这已在here之前得到解答。

标题解析的更复杂版本以取悦观众：

if (preg_match('~^content-type: .+?/[^;]+?(.*)~i', $response, $matches)) {
    if (preg_match_all('~;\\s?(?P<key>[^()<>@,;:\"/[\\]?={}\\s]+)'.
            '=(?P<value>[^;"\\s]+|"[^;"]+")\\s*~i', $matches[1], $m)) {
        for ($i = 0; $i < count($m['key']); $i++) {
            if (strtolower($m['key'][$i]) == "charset") {
                $charset = trim($m['value'][$i], '"');
            }
        }
    }
}

Answer 3

你可以使用

mb_detect_encoding($html);

但这通常是一个坏主意。最好使用curl，然后查看Content-Type标题。

我如何从html获取html网页字符集编码为字符串而不是dom？

3 个答案: