0

私が理解しているように、デフォルトで loadHTML は Latin 1 でロードされ、これを UTF-8 文字に変換したいと考えています。コードは次のとおりです。

    // get data from website
    function get_url_contents($url){

            $crl = curl_init();
            $timeout = 5;
            curl_setopt ($crl, CURLOPT_ENCODING, 'UTF-8');
            curl_setopt ($crl, CURLOPT_URL,$url);
            curl_setopt ($crl, CURLOPT_RETURNTRANSFER, 1);        
            curl_setopt ($crl, CURLOPT_CONNECTTIMEOUT, $timeout);
            $ret = curl_exec($crl);
            curl_close($crl);
            return $ret;
    }

// Now here is the domdoc
function get_all_meta_tags($html){

    $html = get_url_contents($html);

    $doc = new DOMDocument('1.0', 'UTF-8');

    $doc->encoding = 'UTF-8';

    $nodes = $doc->getElementsByTagName('title');
    $title = $nodes->item(0)->nodeValue;
    $arr['title']=$title;

    $nodes = $doc->getElementsByTagName('h1');
    $h1 = $nodes->item(0)->nodeValue;
    $arr['h1']=$h1;

    $metas = $doc->getElementsByTagName('meta');

for ($i = 0; $i < $metas->length; $i++)
{
$mt = $metas->item($i);

if($mt->getAttribute('name')=='description')
$dec=$mt->getAttribute('content');$arr['description']=$dec;
if($mt->getAttribute('name')=='keywords')
$key=$mt->getAttribute('content');$arr['keywords']=$key;
}
return $arr;
}

Webページからデータを取得していることがわかりますが、問題は単語がUTF-8に変換されないことです。たとえば、「Az utlsó dal」は「Az utlsó dal」である必要があります。誰かが私に問題または解決策を教えてもらえますか?

4

3 に答える 3

5

HTMLドキュメントにUTF-8を強制するハックがあり、XMLとして読み取るだけです。

$dom->loadHTML( '<?xml encoding="UTF-8">' . $content );

あなたの場合：

$html = get_url_contents($html);

// this is necessary to prevent DOMDocument errors on HTML5-elements
libxml_use_internal_errors( true );

$doc = new DOMDocument();

// UTF-8 hack, to correctly handle UTF-8 through DOMDocument
$doc->loadHTML( '<?xml encoding="UTF-8">' . $html );
于 2012-11-05T21:41:38.393 に答える
0

スクリプトのエンコーディングを確認してください...utf8である必要があります。

これを行うには、notepad ++を使用して、BOMなしでスクリプトをUTF8に変換します。

mb_internal_encoding（）を使用して、内部エンコーディングを確認できます。

于 2012-11-05T21:13:30.807 に答える
0

Domドキュメントを作成する前にエンコードを実行します。

       $html = get_url_contents($html);
       utf8_encode($html);
于 2012-11-05T20:48:27.753 に答える