Fatal编程技术网
  • php/
  • PHP DOM UTF-8问题

PHP DOM UTF-8问题

php utf-8

PHP DOM UTF-8问题,php,utf-8,domdocument,iconv,Php,Utf 8,Domdocument,Iconv,首先，我的数据库使用Windows-1250作为本机字符集。我将数据输出为UTF-8。我在我的网站上使用iconv（）函数将Windows-1250字符串转换为UTF-8字符串，效果非常好 问题是当我使用PHPDOM解析数据库中存储的一些HTML时（HTML是WYSIWYG编辑器的输出，无效，没有HTML、head、body标记等） HTML可能看起来像这样，例如： <p>Hello</p> 你好 下面是我用来解析数据库中某个HTML的方法： private fun

首先，我的数据库使用Windows-1250作为本机字符集。我将数据输出为UTF-8。我在我的网站上使用iconv（）函数将Windows-1250字符串转换为UTF-8字符串，效果非常好

问题是当我使用PHPDOM解析数据库中存储的一些HTML时（HTML是WYSIWYG编辑器的输出，无效，没有HTML、head、body标记等）

HTML可能看起来像这样，例如：

<p>Hello</p>
你好

下面是我用来解析数据库中某个HTML的方法：

 private function ParseSlideContent($slideContent)
 {
        var_dump(iconv('Windows-1250', 'UTF-8', $slideContent)); // this outputs the HTML ok with all special characters

  $doc = new DOMDocument('1.0', 'UTF-8');

  // hack to preserve UTF-8 characters
  $html = iconv('Windows-1250', 'UTF-8', $slideContent);
  $doc->loadHTML('<?xml encoding="UTF-8">' . $html);
  $doc->preserveWhiteSpace = false;

  foreach($doc->getElementsByTagName('img') as $t) {
   $path = trim($t->getAttribute('src'));
   $t->setAttribute('src', '/clientarea/utils/locate-image?path=' . urlencode($path));
  }
  foreach ($doc->getElementsByTagName('object') as $o) {
   foreach ($o->getElementsByTagName('param') as $p) {
    $path = trim($p->getAttribute('value'));
    $p->setAttribute('value', '/clientarea/utils/locate-flash?path=' . urlencode($path));
   }
  }
  foreach ($doc->getElementsByTagName('embed') as $e) {
   if (true === $e->hasAttribute('pluginspage')) {
    $path = trim($e->getAttribute('src'));
    $e->setAttribute('src', '/clientarea/utils/locate-flash?path=' . urlencode($path));
   } else {
    $path = end(explode('data/media/video/', trim($e->getAttribute('src'))));
    $path = 'data/media/video/' . $path;
    $path = '/clientarea/utils/locate-video?path=' . urlencode($path);
    $width = $e->getAttribute('width') . 'px';
    $height = $e->getAttribute('height') . 'px';
    $a = $doc->createElement('a', '');
    $a->setAttribute('href', $path);
    $a->setAttribute('style', "display:block;width:$width;height:$height;");
    $a->setAttribute('class', 'player');
    $e->parentNode->replaceChild($a, $e);
    $this->slideContainsVideo = true;
   }
  }

  $html = trim($doc->saveHTML());

  $html = explode('<body>', $html);
  $html = explode('</body>', $html[1]);
  return $html[0];
 }

私有函数ParseSlideContent（$slideContent）
{
var_dump（iconv（'Windows-1250'，'UTF-8'，$slideContent））；//输出带有所有特殊字符的HTML ok
$doc=新的DOMDocument（'1.0'，'UTF-8'）；
//黑客保留UTF-8字符
$html=iconv（'Windows-1250'，'UTF-8'，$slideContent）；
$doc->loadHTML（“”.$html）；
$doc->preserveWhiteSpace=false；
foreach（$doc->getElementsByTagName（'img'）作为$t）{
$path=trim（$t->getAttribute（'src'））；
$t->setAttribute（'src'，'/clientrea/utils/locate image？path='.urlencode（'path））；
}
foreach（$doc->getElementsByTagName（'object'）作为$o）{
foreach（$o->getElementsByTagName（'param'）作为$p）{
$path=trim（$p->getAttribute（'value'））；
$p->setAttribute（'value'，'/clientrea/utils/locate flash？path='.urlencode（'path））；
}
}
foreach（$doc->getElementsByTagName（'embed'）作为$e）{
if（true==$e->hasAttribute（'pluginspage'））{
$path=trim（$e->getAttribute（'src'））；
$e->setAttribute（'src'，'/clientrea/utils/locate flash？path='.urlencode（'path））；
}否则{
$path=end（分解（'data/media/video/'），修剪（$e->getAttribute（'src'））；
$path='data/media/video/'。$path；
$path='/clientrea/utils/locate video？path='.urlencode（$path）；
$width=$e->getAttribute（'width'）.'px'；
$height=$e->getAttribute（'height'）.'px'；
$a=$doc->createElement（'a'，''）；
$a->setAttribute（'href'，$path）；
$a->setAttribute（'style'，“显示：块；宽度：$width；高度：$height；”）；
$a->setAttribute（'class'，'player'）；
$e->parentNode->replaceChild（$a，$e）；
$this->slideContainsVideo=true；
}
}
$html=trim（$doc->saveHTML（））；
$html=分解（“”，$html）；
$html=explode（“”，$html[1]）；
返回$html[0]；
}
上述方法的输出是一个垃圾，所有特殊字符都替换为像ÚÄ这样的奇怪字符�.

还有一件事。它在我的开发服务器上运行

但它在生产服务器上不起作用

有什么建议吗

生产服务器的PHP版本：PHP版本5.2.0RC4-dev

开发服务器的PHP版本：PHP版本5.2.13

更新：

我自己正在研究一个解决方案。我从这个PHP错误报告中得到了灵感（虽然不是真正的错误）：

这是我提出的解决方案。我将在明天试用，并告知您是否有效：

 private function ParseSlideContent($slideContent)
 {
        var_dump(iconv('Windows-1250', 'UTF-8', $slideContent)); // this outputs the HTML ok with all special characters

  $doc = new DOMDocument('1.0', 'UTF-8');

  // hack to preserve UTF-8 characters
  $html = iconv('Windows-1250', 'UTF-8', $slideContent);
  $doc->loadHTML('<?xml encoding="UTF-8">' . $html);
  $doc->preserveWhiteSpace = false;

  // this might work
  // it basically just adds head and meta tags to the document
  $html = $doc->getElementsByTagName('html')->item(0);
  $head = $doc->createElement('head', '');
  $meta = $doc->createElement('meta', '');
  $meta->setAttribute('http-equiv', 'Content-Type');
  $meta->setAttribute('content', 'text/html; charset=utf-8');
  $head->appendChild($meta);
  $body = $doc->getElementsByTagName('body')->item(0);
  $html->removeChild($body);
  $html->appendChild($head);
  $html->appendChild($body);

  foreach($doc->getElementsByTagName('img') as $t) {
   $path = trim($t->getAttribute('src'));
   $t->setAttribute('src', '/clientarea/utils/locate-image?path=' . urlencode($path));
  }
  foreach ($doc->getElementsByTagName('object') as $o) {
   foreach ($o->getElementsByTagName('param') as $p) {
    $path = trim($p->getAttribute('value'));
    $p->setAttribute('value', '/clientarea/utils/locate-flash?path=' . urlencode($path));
   }
  }
  foreach ($doc->getElementsByTagName('embed') as $e) {
   if (true === $e->hasAttribute('pluginspage')) {
    $path = trim($e->getAttribute('src'));
    $e->setAttribute('src', '/clientarea/utils/locate-flash?path=' . urlencode($path));
   } else {
    $path = end(explode('data/media/video/', trim($e->getAttribute('src'))));
    $path = 'data/media/video/' . $path;
    $path = '/clientarea/utils/locate-video?path=' . urlencode($path);
    $width = $e->getAttribute('width') . 'px';
    $height = $e->getAttribute('height') . 'px';
    $a = $doc->createElement('a', '');
    $a->setAttribute('href', $path);
    $a->setAttribute('style', "display:block;width:$width;height:$height;");
    $a->setAttribute('class', 'player');
    $e->parentNode->replaceChild($a, $e);
    $this->slideContainsVideo = true;
   }
  }

  $html = trim($doc->saveHTML());

  $html = explode('<body>', $html);
  $html = explode('</body>', $html[1]);
  return $html[0];
 }

私有函数ParseSlideContent（$slideContent）
{
var_dump（iconv（'Windows-1250'，'UTF-8'，$slideContent））；//输出带有所有特殊字符的HTML ok
$doc=新的DOMDocument（'1.0'，'UTF-8'）；
//黑客保留UTF-8字符
$html=iconv（'Windows-1250'，'UTF-8'，$slideContent）；
$doc->loadHTML（“”.$html）；
$doc->preserveWhiteSpace=false；
//这可能有用
//它基本上只是将head和meta标记添加到文档中
$html=$doc->getElementsByTagName（'html'）->项（0）；
$head=$doc->createElement（'head'，''）；
$meta=$doc->createElement（'meta'，''）；
$meta->setAttribute（'http-equiv'，'Content-Type'）；
$meta->setAttribute（'content'，'text/html；charset=utf-8'）；
$head->appendChild（$meta）；
$body=$doc->getElementsByTagName（'body'）->item（0）；
$html->removeChild（$body）；
$html->appendChild（$head）；
$html->appendChild（$body）；
foreach（$doc->getElementsByTagName（'img'）作为$t）{
$path=trim（$t->getAttribute（'src'））；
$t->setAttribute（'src'，'/clientrea/utils/locate image？path='.urlencode（'path））；
}
foreach（$doc->getElementsByTagName（'object'）作为$o）{
foreach（$o->getElementsByTagName（'param'）作为$p）{
$path=trim（$p->getAttribute（'value'））；
$p->setAttribute（'value'，'/clientrea/utils/locate flash？path='.urlencode（'path））；
}
}
foreach（$doc->getElementsByTagName（'embed'）作为$e）{
if（true==$e->hasAttribute（'pluginspage'））{
$path=trim（$e->getAttribute（'src'））；
$e->setAttribute（'src'，'/clientrea/utils/locate flash？path='.urlencode（'path））；
}否则{
$path=end（分解（'data/media/video/'），修剪（$e->getAttribute（'src'））；
$path='data/media/video/'。$path；
$path='/clientrea/utils/locate video？path='.urlencode（$path）；
$width=$e->getAttribute（'width'）.'px'；
$height=$e->getAttribute（'height'）.'px'；
$a=$doc->createElement（'a'，''）；
$a->setAttribute（'href'，$path）；
$a->setAttribute（'style'，“显示：块；宽度：$width；高度：$height；”）；
$a->setAttribute（'class'，'player'）；
$e->parentNode->replaceChild（$a，$e）；
$this->slideContainsVideo=true；
}
}
$html=trim（$doc->saveHTML（））；
$html=分解（“”，$html）；
$html=explode（“”，$html[1]）；
返回$html[0]；
}
两种解决方案

您可以将编码设置为标头：

<?php header("Content-Type", "text/html; charset=utf-8"); ?>
或者您可以将其设置为元标记：

<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">
编辑：如果这两项设置都正确，请执行以下操作：

  • 创建一个包含UTF-8字符的小页面
  • 用您已有的方法编写页面
  • 使用或检查在开发和生产环境中传输的原始字节。您还可以使用Fiddler/Wireshark双重检查标题
如果您确信正在发送正确的头，那么找到错误的最佳机会是开始查看原始字节。发送到相同b的相同字节 
<?php
//script and output are in UTF-8

/* Simulate HTML fragment in Windows-1250 */
$html = <<<XML
<p>ĄĽź ‰ ‡ … á (some exist on win-1250, but not LATIN1 or even win-1252)</p>
XML;
$htmlInterm = iconv("UTF-8", "Windows-1250", $html); //convert

/* Append meta header to force UTF-8 interpretation and convert into UTF-8 */
$htmlInterm =
    "<meta http-equiv=\"Content-Type\" content=\"text/html; charset=UTF-8\" />" .
    iconv("Windows-1250", "UTF-8", $htmlInterm);

/* Omit libxml warnings */
libxml_use_internal_errors(true);

/* Build DOM */
$d = new domdocument;
$d->loadHTML($htmlInterm);
var_dump($d->getElementsByTagName("body")->item(0)->textContent); //correct UTF-8
string(79) "ĄĽź ‰ ‡ … á (some exist on win-1250, but not LATIN1 or even win-1252)"