为什么我的 PHP DOMDocument::loadHTML() 无法正确处理 UTF-8？

PHP DOMDocument loadHTML 未正确编码 UTF-8

问题：

解析 HTML 时使用 PHP 的 DOMDocument::loadHTML()， UTF-8 字符无法正确解释，导致输出失真。

原因：

DOMDocument 默认情况下假定输入字符串采用 ISO-8859-1 编码。然而，HTML5 中普遍使用 UTF-8。当加载 UTF-8 字符串而不指定编码时，DOMDocument 会误解它们。

解决方案：

要解决此问题，您需要为输入指定正确的编码细绳。您有多种选择：

• 前置 XML 编码声明： 添加 声明到字符串的开头。
• 使用元字符集声明： 添加 标记到
• 使用 SmartDOMDocument 库： 该库通过在将字符串加载到 DOMDocument 之前将字符串转换为 HTML 实体来解决此问题。
• 使用 mb_encode_numericentity() 函数： 该函数将 UTF-8 字符转换为其等效的 HTML 实体，然后可以正确解析哪个 DOMDocument。

示例：

此代码演示如何使用 mb_encode_numericentity() 函数：

$profile = '<p>イリノイ州シカゴにて、アイルランド系の家庭に</p>';
$dom = new DOMDocument();
$dom->loadHTML(mb_encode_numericentity($profile, [0x80, 0x10FFFF, 0, ~0], 'UTF-8'));
echo $dom->saveHTML();

通过使用这些技术，您可以确保在 PHP 中正确解析并显示 UTF-8 字符DOM文档。

以上是为什么我的 PHP DOMDocument::loadHTML() 无法正确处理 UTF-8？的详细内容。更多信息请关注PHP中文网其他相关文章！