Php 获取不带标题/编码的外部网页的html源

我只是想知道是否可以从html文件中提取编码的内容（utf-8），而不需要编码头

我的具体案例是这个网站：

我想提取所有信息，但如您所见，例如，这个词看起来很糟糕：

莫特·瑞德

我试着用不同的选项来使用file_get_html、htmlentities、utf_decode、utf_encode和混合它们，但我找不到解决方案

编辑：

我只想通过以下简单代码看到格式正确的同一个网站：

$html_discos = file_get_html("http://www.metal-archives.com/band/discography/id/223/tab/all");
//some transform/decode here
print_r($html_discos);

我希望字符串或DOM对象中的内容格式正确，以便稍后获得某些部分

编辑2：

$file_get_html是“简单html dom”库的一个函数：

具有此代码的：

function file_get_html($url, $use_include_path = false, $context=null, $offset = -1, $maxLen=-1, $lowercase = true, $forceTagsClosed=true, $target_charset = DEFAULT_TARGET_CHARSET, $stripRN=true, $defaultBRText=DEFAULT_BR_TEXT, $defaultSpanText=DEFAULT_SPAN_TEXT)
{
    // We DO force the tags to be terminated.
    $dom = new simple_html_dom(null, $lowercase, $forceTagsClosed, $target_charset, $stripRN, $defaultBRText, $defaultSpanText);
    // For sourceforge users: uncomment the next line and comment the retreive_url_contents line 2 lines down if it is not already done.
    $contents = file_get_contents($url, $use_include_path, $context, $offset);
    // Paperg - use our own mechanism for getting the contents as we want to control the timeout.
    //$contents = retrieve_url_contents($url);
    if (empty($contents) || strlen($contents) > MAX_FILE_SIZE)
    {
        return false;
    }
    // The second parameter can force the selectors to all be lowercase.
    $dom->load($contents, $lowercase, $stripRN);
    return $dom;
}

---

尝试使用

html\u eneity\u decode

（该页面的源代码包含编码字符）

URL的内容类型

http://www.metal-archives.com/band/discography/id/203/tab/all

是:

这将默认为ISO-8859-1。但是您希望使用UTF-8。更改内容类型，使其正确显示：

Content-Type: text/html; charset=utf-8

见：

---

只要您以UTF-8的形式发射，原始数据就会正常工作。

我在浏览器中也这么认为，因此问题可能出在站点端。您的问题不清楚问题所在。显示您的代码，并给出一个简洁的示例，在该示例中，您可以看到无效数据，并且在其中显示string.PHP没有任何

file\u get\u html

函数的编码。除非您没有分享关于该函数的任何细节，否则从您当前给出的代码示例来看，就没什么可说的了。一个简单的

标题（'Content-Type:text/html；charset=utf-8'）在任何输出完成之前可能已经完成了这项工作，但这只是猜测。好吧，我已经怀疑您正在使用简单的HTML DOM库，正如现在显示的，您正在使用。认为它被打破了。相反，使用PHP附带的
DOMDocument
，看看这个关于如何加载UTF-8编码网站的问题：据我所知，他并不控制这个问题website@ExplosionPills当前位置我想知道问题到底是什么。这是一个外部网站，我无法控制网站。编辑：问题是如何查看正确的格式（如果可能的话）当然可以，但你可以阅读。只需将输入作为UTF-8（它是UTF-8）就可以了。在你的网站上表明你有UTF-8。你不需要再做什么了。否则，每个文本字符串调用一次
utf\u decode
将utf-8字符串转换为ISO-8859-1编码字符串。但是，您需要用输出信号表明您的数据是ISO-8859-1编码的，否则它将（再次）被破坏。尝试：$html\u discos=file\u get\u html（“）；$html\u discos=html\u entity\u decode（$html\u discos）；print\r（$html\u discos）；看到相同的。。。
Content-Type: text/html; charset=utf-8

header('Content-Type: text/html; charset=utf-8');
echo file_get_contents('http://www.metal-archives.com/band/discography/id/203/tab/all');