為什麼我的 PHP DOMDocument::loadHTML() 無法正確處理 UTF-8 編碼？

PHP DOMDocument loadHTML 未正確編碼UTF-8

嘗試使用DOMDocument::loadHTML() 解析HTML 時，您可能會遇到問題使用正確的UTF-8 編碼。預設情況下，DOMDocument 將輸入字串視為 ISO-8859-1，這在處理 UTF-8 資料時可能會導致錯誤。

解決方案：

確保正確編碼，您可以採用各種方法：

• 前編碼聲明： 新增XML 編碼聲明或HTML 元字元集聲明以指示UTF-8字元的存在：

  $contentType = '<meta http-equiv=&quot;Content-Type&quot; content=&quot;text/html; charset=utf-8&quot;>';
  $dom->loadHTML($contentType . $profile);

• 使用SmartDOMDocument： 如果輸入 HTML 可能已包含聲明，請使用 SmartDOMDocument函式庫來解決潛在的衝突：

  $dom->loadHTML(mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8'));

• 替代方案： 在 PHP 8.2 中，使用 mb_encode_numericentity()進行更安全的編碼選項：

  $dom->loadHTML(mb_encode_numericentity($profile, [0x80, 0x10FFFF, 0, ~0], 'UTF-8'));

HTML5 注意事項：

DOMDocument 使用 HTML4 解析器。對於 HTML5 文檔，請考慮使用專為 HTML5 合規性而設計的替代 HTML 解析器。

範例：

以下程式碼示範如何使用 mb_convert_encoding() 來修正不正確的 UTF-8編碼：

$profile = "
イリノイ州シカゴにて、アイルランド系の家庭に、9人兄弟の5番目として
";
$dom = new DOMDocument();
$dom->loadHTML(mb_convert_encoding($profile, 'HTML-ENTITIES', 'UTF-8'));
echo $dom->saveHTML();

以上是為什麼我的 PHP DOMDocument::loadHTML() 無法正確處理 UTF-8 編碼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！