Question

这是我的代码：

$oDom = new DOMDocument();
$oDom->loadHTML("èàéìòù");
echo $oDom->saveHTML();

这是输出：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><p>&Atilde;&uml;&Atilde;&nbsp;&Atilde;&copy;&Atilde;&not;&Atilde;&sup2;&Atilde;&sup1;</p></body></html>

我想要这个输出：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><p>èàéìòù</p></body></html>

我试过......

$oDom = new DomDocument('4.0', 'UTF-8');

或1.0和其他东西，但没有。

另一件事...... 有一种方法可以获得相同的未触动HTML吗？例如，输入<p>hello!</p>中的这个html使用DOMDocument获取相同的输出<p>hello!</p>仅用于解析DOM并在标记内进行一些替换。

Answer 1

解决方案：

$oDom = new DOMDocument();
$oDom->encoding = 'utf-8';
$oDom->loadHTML( utf8_decode( $sString ) ); // important!

$sHtml = '<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">';
$sHtml .= $oDom->saveHTML( $oDom->documentElement ); // important!

saveHTML()方法在指定节点时的工作方式不同。您可以使用主节点（$oDom->documentElement）手动添加所需的!DOCTYPE。另一个重要的事情是utf8_decode()。在我的例子中，DOMDocument类的所有属性和其他方法都不会产生所需的结果。

Answer 2

尝试在加载HTML后设置编码类型。

$dom = new DOMDocument(); $dom->loadHTML($data); $dom->encoding = 'utf-8'; echo $dom->saveHTML();

Other way

Answer 3

根据用户对manual page at php.net的评论，该问题似乎已为人所知。解决方案建议包括推送

<meta http-equiv="content-type" content="text/html; charset=utf-8">

在将任何带有非ASCII字符的字符串放入文档之前的文档中

。

另一个黑客建议把

<?xml encoding="UTF-8">

作为文档中的第一个文本，然后在最后删除它。

讨厌的东西。闻起来像个臭虫。

Answer 4

public class Startup
{
  public void ConfigureServices(IServiceCollection services)
  {
    services.AddMvc(options =>
    {
        options.Filters.Add(new IgnoreAntiforgeryTokenAttribute());
    });
  }
}

上面的代码对我有用。

Answer 5

我不知道为什么标记的答案不能解决我的问题。但是这个确实做到了。

ref：https://www.php.net/manual/en/class.domdocument.php

<?php

            // checks if the content we're receiving isn't empty, to avoid the warning
            if ( empty( $content ) ) {
                return false;
            }

            // converts all special characters to utf-8
            $content = mb_convert_encoding($content, 'HTML-ENTITIES', 'UTF-8');

            // creating new document
            $doc = new DOMDocument('1.0', 'utf-8');

            //turning off some errors
            libxml_use_internal_errors(true);

            // it loads the content without adding enclosing html/body tags and also the doctype declaration
            $doc->LoadHTML($content, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

            // do whatever you want to do with this code now

?>

Answer 6

看起来您只需在创建DOMDocument对象时设置substituteEntities。

Answer 7

这种方式：

/**
 * @param string $text
 * @return DOMDocument
 */
private function buildDocument($text)
{
    $dom = new DOMDocument();

    libxml_use_internal_errors(true);
    $dom->loadHTML('<meta http-equiv="Content-Type" content="text/html; charset=utf-8">' . $text);
    libxml_use_internal_errors(false);

    return $dom;
}

Answer 8

对我有用的是：

$ doc-> loadHTML（mb_convert_encoding（$ content，'HTML-ENTITIES'，'UTF-8'））;

信用：https://davidwalsh.name/domdocument-utf8-problem

Answer 9

以上都不适合我，但这个可以：

$fileContent = file_get_contents('my_file.html');
$dom = new DOMDocument();
@$dom->loadHTML(mb_convert_encoding($fileContent, 'HTML-ENTITIES', 'UTF-8'), LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$dom->encoding = 'utf-8';
$html = $dom->saveHTML();
$html = html_entity_decode($html, ENT_COMPAT, 'UTF-8');
echo $html;

DomDocument和特殊字符

9 个答案: