为什么 DOMDocument 在加载 HTML 时无法正确处理 UTF-8 字符？

DOMDocument 无法处理 UTF-8 字符

在 Web 服务器使用 UTF-8 编码传输响应的情况下，所有文件同样以 UTF-8 保存，并且所有相关设置都已配置为 UTF-8 编码，则会出现问题。旨在验证输出功能的测试程序表现出不规则行为。

执行程序后，输出呈现如下：

<meta charset="utf-8"><title>Test!</title>
    <h1 id="â-Hello-â-World-â">☆ Hello ☆ World ☆</h1>    

，呈现为：

< ;h1>☆ 你好 ↑ 世界 ↑

---

节目：

<code class="php">$html = 


    <meta charset="utf-8">
    <title>Test!</title>


    <h1 id="Hello-World">☆ Hello ☆ World ☆</h1>


HTML;

$dom = new DOMDocument("1.0", "utf-8");
$dom->loadHTML($html);

header("Content-Type: text/html; charset=utf-8");
echo($dom->saveHTML());</code>

原因

根本原因是 DOMDocument::loadHTML() 预期 HTML 格式的字符串。 HTML 本质上使用 ISO-8859-1（ISO 拉丁字母表 1）作为其默认字符编码。因此，当为 HTML 4.0 设计的 HTML 解析器遇到超过此编码的字符时，它可能会表现出不可预测的行为。

解决方案

将非 ASCII 字符转换为实体

要纠正此问题，所有 ASCII 范围 (127 / h7F) 之外的字符都应转换为 HTML 实体。此过程可以使用 mb_convert_encoding 和 HTML-ENTITIES 目标编码来实现：

<code class="php">$html = mb_convert_encoding($html, "HTML-ENTITIES", "UTF-8");</code>

添加内容类型元标记

或者，可以通过以下方式解决该问题合并一个标记到文档本身，将字符集指定为 UTF-8：

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

此方法充当 DOMDocument 的提示，强制其将输入解释为 UTF-8 编码。即使位于

之外，部分，HTML 2.0 规范规定此类元素将在标头内自动重新定位。

以上是为什么 DOMDocument 在加载 HTML 时无法正确处理 UTF-8 字符？的详细内容。更多信息请关注PHP中文网其他相关文章！