HTML をロードするときに DOMDocument が UTF-8 文字を正しく処理できないのはなぜですか?-PHPチュートリアル-php.cn

HTML をロードするときに DOMDocument が UTF-8 文字を正しく処理できないのはなぜですか?

Mary-Kate Olsen

リリース： 2024-11-04 10:12:30

オリジナル

471 人が閲覧しました

Why does DOMDocument fail to handle UTF-8 characters correctly when loading HTML?

DOMDocument が UTF-8 文字を処理できない

Web サーバーが UTF-8 エンコードで応答を送信しているシナリオでは、すべてのファイルが同様に UTF-8 で保存され、関連するすべての設定が UTF-8 エンコード用に構成されている場合、問題が発生します。出力関数を検証するために設計されたテストプログラムが異常な動作を示します。

プログラムを実行すると、出力は次のように表示されます:

<!DOCTYPE html>
<html><head><meta charset="utf-8"><title>Test!</title></head><body>
    <h1>â˜† Hello â˜† World â˜†</h1>    
</body></html>

ログイン後にコピー

。

< ;h1>â˜† Hello â˜† World â˜†

プログラム:

<code class="php">$html = <<<HTML
<!doctype html>
<html>
<head>
    <meta charset="utf-8">
    <title>Test!</title>
</head>
<body>
    <h1>☆ Hello ☆ World ☆</h1>
</body>
</html>
HTML;

$dom = new DOMDocument("1.0", "utf-8");
$dom->loadHTML($html);

header("Content-Type: text/html; charset=utf-8");
echo($dom->saveHTML());</code>

ログイン後にコピー

原因

根本的な原因は、DOMDocument::loadHTML() が HTML 形式の文字列を予期していることです。 HTML は本質的に ISO-8859-1 (ISO Latin Alphabet No. 1) をデフォルトの文字エンコーディングとして利用します。したがって、HTML 4.0 用に設計された HTML パーサーがこのエンコーディングを超える文字に遭遇すると、予期しない動作を示す可能性があります。

解決策

非 ASCII 文字をエンティティに変換する

この問題を修正するには、ASCII 範囲 (127 / h7F) の外にあるすべての文字を HTML エンティティに変換する必要があります。このプロセスは、HTML-ENTITIES ターゲットエンコーディングで mb_convert_encoding を使用して実現できます。

<code class="php">$html = mb_convert_encoding($html, "HTML-ENTITIES", "UTF-8");</code>

ログイン後にコピー

Content-Type Meta Tag の追加

または、問題は次のように解決できます。を組み込むタグをドキュメント自体に挿入し、文字セットを UTF-8 として指定します。

<code class="html"><meta http-equiv="content-type" content="text/html; charset=utf-8"></code>

ログイン後にコピー

このメソッドは DOMDocument へのヒントとして機能し、入力を UTF-8 でエンコードされたものとして強制的に解釈します。

の外側に配置されている場合でも、セクションの HTML 2.0 仕様では、そのような要素はヘッダー内で自動的に再配置されることが規定されています。

以上がHTML をロードするときに DOMDocument が UTF-8 文字を正しく処理できないのはなぜですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。