file_get_contents 不适用于 utf8

Question

我正在尝试从网站获取泰语字符。我试过了：

$rawChapter = file_get_contents("URL");
$rawChapter = mb_convert_encoding($rawChapter, 'UTF-8', mb_detect_encoding($rawChapter, 'UTF-8, ISO-8859-1', true));

当我这样做时，字符会像这样回来：

¡ÅѺ˹éÒáá¾Ã¡¤ÑÁÀÕÃìÀÒÉÒä·Â©ºÑº

但是，如果我获取我尝试加载的页面源并将其作为 utf8 文件保存到我自己的本地主机上的 .htm 文件中，那么它会正确加载泰语字符。只有当我尝试直接从网站加载它时它才会中断。

我该如何解决这个问题？可能是什么问题？

我也尝试过添加这个上下文：

$context = stream_context_create(array(
            'http' => array(
                'method' => 'POST',
                'header' => implode("\r\n", array(
                    'Content-type: application/x-www-form-urlencoded',
                    'Accept-Language: en-us,en;q=0.5',
                    'Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7'
                ))
            )
        ));

我尝试单独添加它，我尝试使用 mb_convert_encoding() 添加它...我觉得我已经尝试了这些东西的所有组合，但没有成功。

Answer 1

将您的 Accept-Charset 更改为 UTF-8，因为 ISO-8859-1 不支持泰语字符。如果您在 Windows 机器上运行 PHP 脚本，您也可以使用 windows-874 字符集，您也可以尝试添加此标头：

Content-Language: th

但在大多数情况下，UTF-8 将处理几乎大多数字符或字符集，而无需任何其他声明。

** 更新 **

很奇怪，但这对我有用。

$opts = array(
  'http'=>array(
    'method'=>"GET",
    'header'=> implode("\r\n", array(
                   'Content-type: text/plain; charset=TIS-620'
                   //'Content-type: text/plain; charset=windows-874'  // same thing
                ))
  )
);

$context = stream_context_create($opts);

//$fp = fopen('http://thaipope.org/webbible/01_002.htm', 'rb', false, $context);
//$contents = stream_get_contents($fp);
//fclose($fp);
$contents = file_get_contents("http://thaipope.org/webbible/01_002.htm",false, $context);

header('Content-type: text/html; charset=TIS-620');
//header('Content-type: text/html; charset=windows-874');  // same thing

echo $contents;

显然，我对 UTF-8 的理解是错误的。有关详细信息，请参阅here。虽然你仍然可以有一个 UTF-8 输出：

$in_charset = 'TIS-620';   // == 'windows-874'
$out_charset = 'utf-8';

$opts = array(
  'http'=>array(
    'method'=>"GET",
    'header'=> implode("\r\n", array(
                   'Content-type: text/plain; charset=' . $in_charset
                ))
  )
);

$context = stream_context_create($opts);

$contents = file_get_contents("http://thaipope.org/webbible/01_002.htm",false, $context);
if ($in_charset != $out_charset) {
    $contents = iconv($in_charset, $out_charset, $contents);
}

header('Content-type: text/html; charset=' . $out_charset);

echo $contents;   // output in UTF-8