Php 为什么我的简单html dom允许&x27ä'；对于wikipedia而不是wikisource？

我的问题是，下面的脚本与一些IRI一起工作，而与其他IRI不一起工作，我的问题是为什么它会以这种方式工作，以及如何解决它。 我认为字符集有问题，但这只是一个猜测，因为在维基百科中它是有效的

<?php
include('C:\xampp\htdocs\php\simple_html_dom.php');
$html = file_get_html('http://de.wikisource.org/wiki/Am_B%C3%A4chle');
//Titel
foreach($html->find('span#ws-title') as $f)
echo $f->plaintext;

//1   http://de.wikisource.org/wiki/7._August_1929           OK
//2   http://de.wikisource.org/wiki/%E2%80%99s_ist_Krieg!    -
//3   http://de.wikisource.org/wiki/Am_B%C3%A4chle           -
//4   http://de.wikipedia.org/wiki/Guillaume-Aff%C3%A4re     OK
//5   http://de.wikisource.org/wiki/Solidit%C3%A4t           -
?>

有没有办法让脚本为维基百科或Wikisource中的每个IRI工作？（我知道并不总是有一个

span#ws title

，这不是我的问题。）

好问题！：）

它们似乎是通过用户代理进行过滤的，请尝试以下操作

<?php
ini_set("user_agent", "Descriptive user agent string");
file_get_contents("http://de.wikisource.org/wiki/".urlencode("Am_Bächle"));
?>

您可能可以跳过urlencode部分，因为我只是用它来测试编码是否正确

---

请注意，wikisource显然不喜欢自动解析网页上的内容。尽管如此，Wikibot等可能有一个API可用，询问他们或搜索社区页面。无论如何，API将更容易处理。

问题与字符或编码无关。你得到403是因为，上面写着：

脚本应使用带有联系信息的信息用户代理字符串，否则可能会在不通知的情况下被IP阻止

这就是您应该做的：将User-Agent头设置为标识您的应用程序并在出现问题时用于与您联系的内容

---

也就是说，直接访问页面可能是获取所需日期的最糟糕方式。你应该改为使用，或者，如果你想访问很多页面，就使用。

仅供参考：这些不是IRI，它们只是带有编码字符的普通URL。好的，但IRI的URL不是允许国际化web寻址的吗？如果您使用哪种ar代表德国，情况不是这样吗？我的理解是IRI中有实际的UTF-8字符，即

http://example.com/fööbär

而不是编码字符（仅限ASCII），即

http://example.com/f%F6%F6b%E4r

）。（不是专家，所以希望有更有知识的人能插话。）非常感谢您快速而有用的回答。这对我来说很有效：）我会在社区里询问解析的问题，但我不明白为什么我可以解析一些页面，而其他页面却不能。。。我会问他们：）你不应该通过欺骗用户代理来模拟浏览器。您应该改用描述性用户代理。@斯维克：您根本不应该这样做。Wikisource有理由不允许某些用户代理。我只使用了不同的用户代理来证明这是可能的。这就是为什么我在回答中写了最后一段。谢谢！我刚下载了我需要的文件：）

<?php
ini_set("user_agent", "Descriptive user agent string");
file_get_contents("http://de.wikisource.org/wiki/".urlencode("Am_Bächle"));
?>