我们需要能够从具有UNKNOWN字符编码的HTML文件中获取内容，修改内容，然后在用户的浏览器中显示它。我创建的任何测试文件都可以正常工作，但我们从客户那里获得的一些文件却没有。这些文件不会被修改，因为代码使用正则表达式搜索内容，并且它们将在浏览器中显示奇怪的字符，通常是我在页面底部无法识别的混乱的亚洲字符。
我已经尝试过utf8_encode，htmlspecialchars，iconv，甚至是我希望可以处理这个问题的第三方API。到目前为止，没有任何工作。
如果我在Sublime中打开其中一个问题HTML文件，一切看起来都很完美。如果我使用vim查看它，我会在之前看到<feff><feff>。如果我尝试使用上述PHP函数中的一个来更正此文件，我会在文件的开头处获得6个无法识别的字符，其中包含这些2，并且在每个小于号之前有1个无法识别的字符。 （大多数人不受影响。）
如果我将其中一个文件的内容从Sublime直接复制/粘贴到我的代码中，那么正则表达式工作正常并且HTML显示完美。
如果我简化我的正则表达式以忽略少于符号（其中一些搜索HTML标记），他们仍然不会检测到任何匹配，即使应该匹配的部分不包含无法识别的字符。
我知道的很多，但现在已经让我的头旋转了几天。任何见解都可能是英雄的。
答案 0 :(得分：0)
我们解决这个问题的最佳方法是使用DOMDocument的loadHTMLFile（）方法。