Php 将非UTF-8文本转换为可显示的HTML-这些亚洲字符是什么？

我们需要能够从具有未知字符编码的HTML文件中获取内容，修改内容，然后将其显示在用户的浏览器中。我创建的任何测试文件都可以完美地工作，但我们从客户那里获取的一些文件却不能。这些文件将不会被修改，因为代码使用regex搜索内容，它们将在浏览器中显示奇数字符，通常是一堆我在页面底部无法识别的亚洲字符

我尝试过utf8_编码、htmlspecialchars、iconv，甚至我希望能够处理这个问题的第三方API。到目前为止，一切都不起作用

如果我在Sublime中打开其中一个有问题的HTML文件，一切看起来都很完美。如果我使用vim查看它，我会看到前面的

。如果我尝试使用上述PHP函数中的一个来更正此文件，我会在文件开头的2个s处得到6个无法识别的字符，并且在每小于一个符号之前得到1个无法识别的字符。（大于不受影响。）

如果我将其中一个文件的内容从Sublime直接复制/粘贴到代码中，正则表达式工作正常，HTML显示完美

如果我将正则表达式简化为忽略少于个符号（其中一些搜索HTML标记），它们仍然不会检测到任何匹配项，即使应该匹配的部分不包含无法识别的字符

---

我知道的太多了，但这已经让我头晕目眩了好几天了。任何洞察都是英雄式的。

我们解决这个问题的最佳方法是使用DOMDocument的loadHTMLFile（）方法。

这是在Vim中显示的UTF-16，它是一个不可见的信息字符，表示为

；这不是文本值，这就是为什么您的正则表达式不匹配的原因。我的正则表达式实际上是在寻找带有href的标记，并且不在任何这些标记中，只是在开头。它会导致我的正则表达式失败吗？是的-文件本身是用UTF-16编码的，它在

preg.*

函数中，因此您需要先将文件转换为UTF-8；你可能想看看，我的一个同事也推荐了这个。它应该可以工作，但md_detect_编码不幸返回false。一个又一个的路障。