file_get_contents () разбивает символы UTF-8 - PullRequest
Новая
       17

file_get_contents () разбивает символы UTF-8

56 голосов
/ 10 февраля 2010

Я загружаю HTML с внешнего сервера. HTML-разметка имеет кодировку UTF-8 и содержит такие символы, как ľ, š, č, ť, ž и т. Д. Когда я загружаю HTML с помощью file_get_contents (), например: 

$html = file_get_contents('http://example.com/foreign.html');

Он портит символы UTF-8 и загружает Å, ¾, ¤ и подобные глупости вместо правильных символов UTF-8.

Как я могу решить эту проблему?

UPDATE:

Я попытался сохранить HTML-файл и вывести его в кодировке UTF-8. И то, и другое не работает, поэтому это означает, что file_get_contents () уже возвращает неработающий HTML.

UPDATE2: 

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="sk" lang="sk">
<head>

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<meta http-equiv="Content-Style-Type" content="text/css" />
<meta http-equiv="Content-Language" content="sk" />
<title>Test</title>

</head>
<body>


<?php

$html = file_get_contents('http://example.com');
echo htmlentities($html);

?>

</body>
</html>

Ответы [ 7 ]

100 голосов
/ 03 марта 2013

У меня была похожая проблема с польским языком

Я пытался: 

$fileEndEnd = mb_convert_encoding($fileEndEnd, 'UTF-8', mb_detect_encoding($fileEndEnd, 'UTF-8', true));

Я пытался: 

$fileEndEnd = utf8_encode ( $fileEndEnd );

Я пытался: 

$fileEndEnd = iconv( "UTF-8", "UTF-8", $fileEndEnd );

А потом - 

$fileEndEnd = mb_convert_encoding($fileEndEnd, 'HTML-ENTITIES', "UTF-8");

Этот последний работал отлично !!!!!!

68 голосов
/ 10 февраля 2010

Решение, предложенное в комментариях к PHP-записи для file_get_contents 

function file_get_contents_utf8($fn) {
     $content = file_get_contents($fn);
      return mb_convert_encoding($content, 'UTF-8',
          mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));
}

Вы также можете попытать счастья с http://php.net/manual/en/function.mb-internal-encoding.php

6 голосов
/ 10 февраля 2010

Хорошо. Я обнаружил, что file_get_contents () не вызывает эту проблему. Есть другая причина, о которой я говорю в другом вопросе. Глупый я.

См. Этот вопрос: Почему DOM меняет кодировку?

5 голосов
/ 10 ноября 2012

Я думаю, у вас просто есть двойное преобразование типа символа: D

Это может быть потому, что вы открыли html-документ в html-документе. Итак, в конце концов у вас есть нечто, похожее на это 

<!DOCTYPE html> 
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title></title>
</head>
<body>
<!DOCTYPE html> 
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Test</title>.......

Использование mb_detect_encoding может привести к другим проблемам.

2 голосов
/ 26 октября 2016

На турецком языке, mb_convert_encoding или любое другое преобразование кодировки не работало.

А также urlencode не работал из-за пробела, преобразованного в + char. Для процентного кодирования должно быть% 20.

Этот работал! 

   $url = rawurlencode($url);
   $url = str_replace("%3A", ":", $url);
   $url = str_replace("%2F", "/", $url);

   $data = file_get_contents($url);
2 голосов
/ 19 ноября 2014

Попробуйте тоже 

 $url = 'http://www.domain.com/';
    $html = file_get_contents($url);

    //Change encoding to UTF-8 from ISO-8859-1
    $html = iconv('UTF-8', 'ISO-8859-1//TRANSLIT', $html);
0 голосов
/ 15 ноября 2017

Я работаю с 35000 строк данных. 

$f=fopen("veri1.txt","r");
$i=0;
while(!feof($f)){
    $i++;
    $line=mb_convert_encoding(fgets($f), 'HTML-ENTITIES', "UTF-8");
    echo $line;
}

Этот код конвертирует мои странные символы в обычные.

...