Question

我试图使用GuzzleHTTP 6进行网页报废，到目前为止，我无法在响应体中找到messedup编码的解决方案。

假设我想解析网页，该网页以多种不同的语言重新编辑数据。

客户初始化

public function __construct() {
    $this->dataClient = new Client(['base_uri' => 'http://somewebsite.org/{language_code}']);
}

使用数据客户端

$request = $this->dataClient->get('/endpoint/' . $data_query . '/');
$response = $request->getBody()->__toString();
$decoded = json_decode($response, true);
foreach ($decoded as $index => $data) {
    $decoded[$index] = str_replace(['<option', '>', '</option>'], '', $data);
}
return $decoded;

问题：

如果文字是英文的，那么回复看起来几乎没有，除了一些字符搞砸了

操纵，那就是

而不是

manipulation, there's

如果我想用其他任何语言获取数据，那就是我得到的数据（俄语数据）

d; d;°; d;¿; d;μ; N;€d;²; N;

而不是

На первый взгляд

问题是，如果你查看网站，它一切都很好，但如果你试图抓住它，你将面临这些问题。到目前为止，我无法找到问题的根源，utf8_decode或iconv都没有帮助我解决问题。
任何解决方案都非常受欢迎！

所以，这是一个小更新 这是解析函数：

public function processData($data_query) {
    $request = $this->dataClient->get('/endpoint/' . $data_query . '/');
    $response = $request->getBody()->__toString();
    // echo $response; - Everything is fine, no encoding problems
    // return $response; - Encoding problems
    $decoded = json_decode($response, true);
    // return $decoded; - Encoding problems
    foreach ($decoded as $index => $data) {
        $decoded[$index] = str_replace(['<option', '>', '</option>'], '', $data);
    }
    return $decoded; - Encoding Problems
}

原始回复标题

{
    Date: [
        "Wed, 08 Jun 2016 01:45:30 GMT"
    ],
    Server: [
        "Apache"
    ],
    X-Frame-Options: [
        "SAMEORIGIN"
    ],
    Retry-After: [
        "600"
    ],
    Content-Language: [
        "en-GB"
    ],
    Vary: [
        "Accept-Encoding"
    ],
    Transfer-Encoding: [
        "chunked"
    ],
    Content-Type: [
        "text/html;charset=UTF-8"
    ]
}

Answer 1

我有类似的情况（使用Guzzle加载XML并使用SimpleXML解析），但我知道源代码是在ISO-8559-1中，但SimpleXML解析结果的输出是乱码的。我尝试了很多方法，只有这个解决了_：

$attribute = mb_convert_encoding((string) $attribute, 'ISO-8859-1', 'UTF-8');

该属性是一些XML节点值。我只是将已知编码转换为我想要的编码。希望可以帮助一些人......

Answer 2

阅读此处发布的旧版SO响应：Can Goutte/Guzzle be forced into UTF-8 mode?。是的，它提到了使用utf8_decode()，但也提到了一个Guzzle的分支。看看Guzzle的问题跟踪器，它有一个听起来与你的相似的问题吗？如果是这样，请对其进行评论，以确定核心开发人员是否会修复它。上述SO帖子已有3年历史，如果问题如此普遍，如果仍需要黑客和叉子，我会感到惊讶。

也许已已修复，您现在需要确保已抓取的网页本身正在发送正确的编码标头。请注意，响应标头有一个优先顺序。我相信它是最重要的网络服务器，然后是DOM本身，如果这些标题没有从网络服务器的响应中发送或省略。但请检查一下，因为我不是100％。

GuzzleHTTP编码问题

2 个答案: