php编码难题

我正在从一个政府网站下载HTML文件（没有任何！DOCTYPE的原始HTML…），然后提取段落，将它们放入MySQL数据库

我正在使用DOMDocument，所以我要

$doc = DOMDocument();
$doc->loadHTMLFile( "../notifs/notif$notif_no.htm" );

问题的出现是因为某些字符被转换成了奇怪的东西：例如（一种）撇号变成了™.

如果我尝试将这个段落保存到一个表中的文本字段中，要么被MySQL拒绝，要么被记录为这些奇怪的字符。。。取决于文本字段的编码

另外，如果我转到$doc->saveHTMLFile（“test.htm”）；它实际上打印出奇怪的字符，而不是撇号

我知道这与编码有关，但几天的谷歌搜索和对SE上问题的大量研究并没有找到解决方案。Firefox告诉我下载的HTML文件是utf-8编码的。我尝试更改php.ini文件，使默认的字符集为“utf-8”。没有快乐

我更多的是一个应用程序程序员，而不是一个网站的人，所以我对编码非常陌生。我自己也试过破解这个，但是我真的不明白到底发生了什么或者该怎么做

以后

我们发现

$file = file_get_contents("../notifs/notif$notif_no.htm");
$doc->loadHTML('<?xml encoding="UTF-8">' . $file );

在$clean_字符串之后，包含诸如“…葡萄酒值得饮用”之类的序列。。。但就我个人而言，我仍然会感到困惑，因为如果你只是去

echo ">>> clean string $clean_string<br>";

echo“>>>干净字符串$clean_字符串
”；

。。。当然，浏览器会将“序列”显示为“（单引号）

这可能是绝对明显的大多数PHPER。。。但是，如果您想显示$clean_字符串中所包含内容的准确图片，则必须执行以下操作

$decoded_clean_string = htmlspecialchars( $clean_string, ENT_QUOTES );
echo ">>> decoded string: $decoded_clean_string<br>";

$decoded\u clean\u string=htmlspecialchars（$clean\u string，ENT\u引号）；
echo“>>>解码字符串：$decoded_clean_string
”；

值得一试吗

或

---

这是unicode不匹配。e、 g.您正在获取一个utf-8文档，但在iso-8859中处理它。必须在整个渲染管道中维护相同的字符集，或者根据需要将其转换为“边框”。即使是作为应用程序程序员，您也需要了解编码@谢谢你的回复。我认为选择iso-8859的是DOMDocument loadHTMLFile方法，对吗？这种想法促使我尝试让PHP使用utf-8作为默认的字符集。你是说“在”边境。。。i、 在一个管道和另一个管道之间？边界应该是，比如说，php->mysql。mysql中的表可以使用utf-8格式，但除非db连接也设置为utf-8格式，否则从php->mysql运行时，文本将被破坏。@deceze相信我，我已经看到了该网页并阅读了它。这对我这里的特殊问题没有帮助。你能帮我解决这个特殊的PHP/MySQL编码问题吗？谢谢。。。不幸的是，两者都不起作用。第二个将模式更改为“欧元”™. 但php中似乎有各种编码函数可用。。。e、 g.iconv。。。所以，谢谢你指点方向，很可能再次发生意外。。。是的，你用HTML-ENTITIES让我走上了正确的轨道。。。见我上面的第二个“以后”哈。这就是你的探索之旅！：）我很高兴你弄明白了。

# convert difficult UTF-8 characters into HTML special sequences ("’", etc.) 
$clean_string = mb_convert_encoding($clean_string, "HTML-ENTITIES", "UTF-8"); 

echo ">>> clean string $clean_string<br>";

$decoded_clean_string = htmlspecialchars( $clean_string, ENT_QUOTES );
echo ">>> decoded string: $decoded_clean_string<br>";

$doc = DOMDocument();
$file = file_get_contents("../notifs/notif$notif_no.htm");
$file = mb_convert_encoding($file, "UTF-8");
$doc->loadHTML( $file );

$file = mb_convert_encoding($file, 'HTML-ENTITIES', 'UTF-8');