如何让 cURL 以某种方式返回西里尔字符，以便我可以使用正则表达式处理它们？答案

【问题标题】：How do I get cURL to return cyrillic characters in such a way, that I can proccess them with regex?如何让 cURL 以某种方式返回西里尔字符，以便我可以使用正则表达式处理它们？
【发布时间】：2016-03-09 12:13:13
【问题描述】：

标签： php curl cyrillic

【解决方案1】：

我是否必须添加如下内容： curl_setopt($ch, CURLOPT_HTTPHEADER,array ("Content-Type: text/html; charset=windows-1251"));这样可以吗？

CURL 无关紧要，它不会解释内容。

如果您想对该字符串运行正则表达式，请确保输入的正则表达式使用相同的字符集。我建议通过更改响应的编码来做到这一点：

$w1251 = $reponse;
$utf8 = mb_convert_encoding($w1251, "UTF-8", "Windows-1251 (CP1251)");

如果您的 PHP 源代码文件也是 UTF-8 格式，则任何特殊字符都应该匹配得很好。

或者，您也可以更改源代码的字符集，但我不建议这样做，因为有人可能会不小心转换它。

同样，当您显示文本（在 HTML 页面上）时，请确保字符集与内容匹配。

如果您想显示 w1251 内容，您可以添加类似的meta 标签，字符将正确显示。您还可以将字符串转换为 utf-8 并为 utf-8 添加元标记。

【讨论】：

它的进展，但还没有完成。现在，我得到的不是��，而是：ãðàä Ñîôèÿ、Ëîçåíåö、800 êâ.ì、Ïðåäëàãàìå âè êúùà â êâàðòàë Ëîçåíåö ñ îòëè÷íî。我猜测编码转换中的某些内容不太正确。我如何检查它到底是什么，或者它可能是 html 的可视化。我通过回显从 curl 中获得的内容来做到这一点。如何向其中添加元标记？还是你的意思是我将它添加到我正在回显 html 内容的 php 文件中？
嗯，是的，这看起来根本不对。您可以自己打开请求页面并将 HTML 页面保存到文件中。然后代替执行 CURL 请求读取保存的文件。这将删除一个步骤。还要验证您使用的编码是否正确。
它确实删除了一个步骤，但从长远来看它并没有真正有用，因为当我完成时这必须是一个自动化过程。我在这一点上进行所有显示只是为了确保一切正常，即捕捉像我现在遇到的问题。您如何建议我验证我使用的是正确的编码？
.. 通过下载文件并检查。删除步骤是为了调试。
对不起，我是个笨蛋，我是新手。我下载了它，里面的内容出奇地少，可能是因为它的所有实际信息都在 *.cgi 后面。我从下载的页面得到的是：<html><head> <title>mask</title> <meta http-equiv="Content-Type" content="text/html; charset=windows-1251"> </head> <frameset rows="0,*" frameborder="NO" border="0" framespacing="0"> <frame name="emptyframe" scrolling="NO" noresize="noresize"> <frame name="obiaviframe" src="obiavi.cgi?s0=&amp;s1="> </frameset> </html>

【解决方案2】：

尝试以下标题

$ch =  curl_init();

                $header[] = "Accept: text/xml,application/xml,application/xhtml+xml,";
                $header[] = "text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5";
                $header[] = "Cache-Control: max-age=0";
                $header[] = "Connection: keep-alive";
                $header[] = "Keep-Alive: 300";
                $header[] = "Accept-Language: ru-RU,ru;q=0.9,en;q=0.8";
                $header[] = "Accept-Charset: windows-1251, *;q=0.1";
                $header[] = "Accept-Encoding: deflate, identity, *;q=0";
                $header[] = "Pragma: "; //browsers keep this blank.

curl_setopt($ch, CURLOPT_HTTPHEADER, $header);

【讨论】：

我会试试的，虽然我不清楚其中大部分是做什么的。几个问题。它的保加利亚西里尔字母不是俄语，那么这条线将如何改变： $header[] = "Accept-Language: ru-RU,ru;q=0.9,en;q=0.8";所有这些 q=number 是什么意思？
q=number - 好吧，它用于偏好。你可以跳过我认为的。尝试遵循 $header[] = "Accept-Language: bg and for charset - windows-1251 应该可以正常工作