Question

显然，PHP及其标准库存在一些问题，DOMDocument也不例外。

加载HTML字符串时，utf8字符有变通方法 - $dom->loadHTML()。

显然，从文件加载HTML时我没有办法做到这一点 - $dom->loadHTMLFile()。虽然它从<meta />标签读取和设置编码，但如果我没有定义那些问题，则会出现问题。例如，在加载HTML片段（模板部分，如footer.html）时，不是完全构建的HTML文档。

那么，如何在从文件加载HTML时保留utf8字符，但是没有<meta />个密钥存在，并且定义它们不是一个选项？

更新

footer.html（文件以UTF-8编码，没有BOM）：

<div id="footer">
    <p>My sūpēr ōzōm ūtf8 štrīņģ</p>
</div>

的index.php：

$dom = new DOMDocument;
$dom->loadHTMLFile('footer.html');
echo $dom->saveHTML(); // results in all familiar effed' up characters

提前致谢！

Answer 1

尝试像这样的黑客攻击：

$doc = new DOMDocument();
$doc->loadHTML('<?xml encoding="UTF-8">' . $html);
// dirty fix
foreach ($doc->childNodes as $item)
    if ($item->nodeType == XML_PI_NODE)
        $doc->removeChild($item); // remove hack
$doc->encoding = 'UTF-8'; // insert proper

此处的用户评论中列出了其他几个：http://php.net/manual/en/domdocument.loadhtml.php。同样重要的是，您的文档头包含一个元标记，用于直接在标记之后指定编码FIRST。

Answer 2

我建议在这里使用我的答案：https://stackoverflow.com/a/12846243/816753而不是添加另一个<head>，将整个片段包装在

中

<html>
    <head><meta http-equiv='Content-type' content='text/html; charset=UTF-8' /></head>
    <body><!-- your content here --></body>
</html>`

Answer 3

虽然我不确定如何使用->loadHTMLFile()解决问题，您是否考虑使用file_get_contents()获取HTML，在该字符串上运行mb_convert_encoding()，然后通过该值是->loadHTML()？

~~编辑：此外，当您 initialize DOMDocument 时，您是否在给它$ encoding参数？~~

Answer 4

密钥仅适用于您的浏览器。页面全部构建完毕后，如果页面末尾有元数据，则浏览器应正确显示页面。

你可以尝试使用utf8_decode（或编码，我永远不会确定lol）函数，然后回显数据：

echo utf8_decode($dom->saveHTML());

从文件加载HTML时保留utf8

更新

4 个答案: