带有 file_get_contents() 的 UTF8

Question

我正在使用 file_get_contents() 来获取 HTML 并从网站上抓取一些数据。 源代码并不总是 UTF8，但我正在使用 FORCEUTF8 类来修复它。但它不能正常工作。我做错了什么？

/* Load UTF8 HTML */
require_once('/ForceUTF8/Encoding.php');
use \ForceUTF8\Encoding;
function loadHTMLInUtf8($url){
$utf8_or_latin1_or_mixed_string=file_get_contents($url);
return Encoding::toUTF8($utf8_or_latin1_or_mixed_string);
}    

$html=loadHTMLInUtf8('http://www.example.com/');
$dom->loadHTML('<meta http-equiv="content-type" content="text/html; charset=utf-8">'.$html);

有没有其他方法可以做到这一点？

Answer 1

您可以使用“utf8_encode”方法。应该和上面写的方法一样。

Answer 2

file_get_contents 会破坏 UTF8 编码。

试试这样的：

<?php
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));
}
?>

如果这不起作用，您能否提供一个示例 URL，这不起作用？ （我检查了 FORCEUTF8 库的源代码，这看起来效率不高，我猜这个小函数可以做同样的事情（它是 PHP 代码中的原生函数）。