Mengapa PHP DOMDocument::loadHTML() saya tidak mengendalikan UTF-8 dengan betul?

PHP DOMDocument loadHTML Tidak Mengekodkan UTF-8 Dengan Betul

Masalah:

Apabila menghuraikan HTML dengan DOMDocument::loadHTML() PHP, aksara UTF-8 tidak ditafsirkan dengan betul, membawa kepada output yang herot.

Punca:

DOMDocument menganggap rentetan input berada dalam pengekodan ISO-8859-1 secara lalai. Walau bagaimanapun, UTF-8 biasanya digunakan dalam HTML5. Apabila memuatkan rentetan UTF-8 tanpa menyatakan pengekodan, DOMDocument menyalahtafsirkannya.

Penyelesaian:

Untuk menangani isu ini, anda perlu menentukan pengekodan yang betul untuk input rentetan. Anda mempunyai beberapa pilihan:

• Sediakan pengisytiharan pengekodan XML: Tambah pengisytiharan ke permulaan rentetan.
• Gunakan pengisytiharan meta charset: Tambah tag pada bahagian dokumen.
• Gunakan pustaka SmartDOMDocument: Pustaka ini menyelesaikan masalah dengan menukar rentetan kepada entiti HTML sebelum memuatkannya ke DOMDocument.
• Gunakan fungsi mb_encode_numericentity(): Fungsi ini menukar aksara UTF-8 kepada HTMLnya entiti yang setara, yang DOMDocument kemudiannya boleh menghuraikan dengan betul.

Contoh:

Kod ini menunjukkan menggunakan fungsi mb_encode_numericentity():

$profile = '<p>イリノイ州シカゴにて、アイルランド系の家庭に</p>';
$dom = new DOMDocument();
$dom->loadHTML(mb_encode_numericentity($profile, [0x80, 0x10FFFF, 0, ~0], 'UTF-8'));
echo $dom->saveHTML();

Dengan menggunakan teknik ini, anda boleh memastikan bahawa aksara UTF-8 dihuraikan dan dipaparkan dengan betul dalam PHP DOMDocument anda.

Atas ialah kandungan terperinci Mengapa PHP DOMDocument::loadHTML() saya tidak mengendalikan UTF-8 dengan betul?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!