PHP-html_实体_解码并非解码所有内容
我正在解析一个HTML页面。在某个时刻，我得到了div和using之间的文本 html_实体_解码以打印该文本PHP-html_实体_解码并非解码所有内容,php,html,parsing,dom,Php,Html,Parsing,Dom,我正在解析一个HTML页面。在某个时刻，我得到了div和using之间的文本 html_实体_解码以打印该文本 问题是页面包含类似于此星号的字符★或其他类似形状的⬛︎, ◄, ◉, 等等，我已经检查过了，这些字符没有在源代码页上编码，它们就像你正常看到的一样 页面正在使用charset=“UTF-8” 所以，当我使用 html_entity_decode($string, ENT_QUOTES, 'UTF-8'); 例如，星号被“解码”为 $string是通过使用获取的 document.ge
问题是页面包含类似于此星号的字符
★或其他类似形状的⬛︎, ◄, ◉, 等等，我已经检查过了，这些字符没有在源代码页上编码，它们就像你正常看到的一样
页面正在使用charset=“UTF-8”
所以，当我使用
html_entity_decode($string, ENT_QUOTES, 'UTF-8');
例如，星号被“解码”为
$string是通过使用获取的
document.getElementById("id-of-div").innerText
我想正确地解码它们。如何在PHP中实现这一点
注意：我试过htmlspecialchars\u解码（$string，ENT\u引号），它会产生相同的结果。我试图用这个简单的PHP代码重现您的问题：
<?php
// Make sure our client knows we're sending UTF-8
header('Content-Type: text/plain; charset=utf-8');
$string = "The page contains characters like this star ★ or others like shapes like ⬛︎, ◄, ◉, etc. Here are some entities: This is a "test".";
echo 'String: ' . $string . "\n";
echo 'Decoded: ' . html_entity_decode($string, ENT_QUOTES, 'UTF-8');
如果我将标题中的字符集更改为iso-8859-1
，我会看到：
String: The page contains characters like this star ★ or others like shapes like ⬛︎, ◄, ◉, etc. Here are some entities: <span>This is a "test".
Decoded: The page contains characters like this star ★ or others like shapes like ⬛︎, ◄, ◉, etc. Here are some entities: <span>This is a "test".
String：页面包含类似于这个星型的字符，或者其他类似于形状的字符，如–›êŽŽ、-°等。下面是一些实体：这是一个“测试”。
解码：该页面包含类似于此星号的字符，或其他类似于形状的字符，如–›êŽŽ、–等。以下是一些实体：这是一个“测试”。
所以，我认为你的问题是一个显示问题。正如您所期望的那样，html\u entity\u decode
完全没有触及“有趣”字符。只是不管你有什么代码，或者你用什么来查看你的输出，都不正确地使用iso-8859-1来显示它们。我试图用这个简单的PHP来重现你的问题：
<?php
// Make sure our client knows we're sending UTF-8
header('Content-Type: text/plain; charset=utf-8');
$string = "The page contains characters like this star ★ or others like shapes like ⬛︎, ◄, ◉, etc. Here are some entities: This is a "test".";
echo 'String: ' . $string . "\n";
echo 'Decoded: ' . html_entity_decode($string, ENT_QUOTES, 'UTF-8');
如果我将标题中的字符集更改为iso-8859-1
，我会看到：
String: The page contains characters like this star ★ or others like shapes like ⬛︎, ◄, ◉, etc. Here are some entities: <span>This is a "test".
Decoded: The page contains characters like this star ★ or others like shapes like ⬛︎, ◄, ◉, etc. Here are some entities: <span>This is a "test".
String：页面包含类似于这个星型的字符，或者其他类似于形状的字符，如–›êŽŽ、-°等。下面是一些实体：这是一个“测试”。
解码：该页面包含类似于此星号的字符，或其他类似于形状的字符，如–›êŽŽ、–等。以下是一些实体：这是一个“测试”。
所以，我认为你的问题是一个显示问题。正如您所期望的那样，html\u entity\u decode
完全没有触及“有趣”字符。只是不管你有什么代码，或者你用什么来查看你的输出，都不正确地使用iso-8859-1来显示它们。1。star是否具有等效的HTML实体？2.那么，$string
包含什么呢？3.对我来说，这似乎是一个字符编码问题。我一点也不知道。2.理论上，包含在特定第3部分中的所有字符串。我不确定。“我已经检查过了，这些字符没有在源页面上编码……我想正确地解码。”如果它们没有编码，你希望如何准确地解码它们html\u entity\u decode
纯粹是关于转换表单的实体&什么（包括某物的数值
）转换为“实”字符。这里的内容看起来像一个UTF-8字符串，然后在非UTF-8上下文中进行回音。部分问题是，你为什么要这么做？如果你有一些UTF-8字符要打印出来，你为什么还要进行html\u实体\u解码呢？为什么不把它们打印出来呢？我们可以看看源文档和实际代码的例子吗？我刚刚测试了你问题中字符的html_entity_decode，正如预期的那样，它保持了它们不变。您是如何创建输出的，您是如何看待它的？我的猜测是：html_entity_decode是一种转移注意力的方法，您实际上输出的是未经处理的UTF-8字符，但您的字符编码错误，因此它们在显示时会被损坏。1。star是否具有等效的HTML实体？2.那么，$string
包含什么呢？3.对我来说，这似乎是一个字符编码问题。我一点也不知道。2.理论上，包含在特定第3部分中的所有字符串。我不确定。“我已经检查过了，这些字符没有在源页面上编码……我想正确地解码。”如果它们没有编码，你希望如何准确地解码它们html\u entity\u decode
纯粹是关于转换表单的实体&什么（包括某物的数值
）转换为“实”字符。这里的内容看起来像一个UTF-8字符串，然后在非UTF-8上下文中进行回音。部分问题是，你为什么要这么做？如果你有一些UTF-8字符要打印出来，你为什么还要进行html\u实体\u解码呢？为什么不把它们打印出来呢？我们可以看看源文档和实际代码的例子吗？我刚刚测试了你问题中字符的html_entity_decode，正如预期的那样，它保持了它们不变。您是如何创建输出的，您是如何看待它的？我的猜测是：html_实体_解码是一种转移注意力的方法，实际上你输出的是未经处理的UTF-8字符，但是你的字符编码是错误的，所以它们在显示时会被弄乱。你是对的！这是个好主意！我忘了添加标题（'Content-Type:text/html；charset=utf-8'）到代码的开头，因此它将强制输出UTF-8。谢谢你是对的！这是个好主意！我忘了添加标题（'Content-Type:text/html；charset=utf-8'）到代码的开头，因此它将强制输出UTF-8。谢谢