Php 文档和HTML实体

我试图解析一些包含一些HTML实体的HTML，比如×

$str = '<a href="http://example.com/"> A &#215; B</a>';

$dom = new DomDocument;
$dom -> substituteEntities = false;
$dom ->loadHTML($str);

$link = $dom ->getElementsByTagName('a') -> item(0);
$fullname = $link -> nodeValue;
$href = $link -> getAttribute('href');

echo "
fullname: $fullname \n
href: $href\n";    

$str=''；
$dom=新的DomDocument；
$dom->substituteEntities=false；
$dom->loadHTML（$str）；
$link=$dom->getElementsByTagName（'a'）->item（0）；
$fullname=$link->nodeValue；
$href=$link->getAttribute（'href'）；
回声“
全名：$fullname\n
href:$href\n”；

但DomDocument将文本替换为AÃ-B

---

有没有什么方法可以防止它对HTML实体使用&而让它不受影响？我试图将substitutentities设置为false，但它没有任何作用

您确定要将&替换为

&？如果是这样的话，你会看到确切的实体，作为文本，而不是你得到的乱七八糟的响应

我的猜测是，它被转换为实际字符，并且您正在使用拉丁字符集查看页面，该字符集不包含此字符，因此出现了乱码响应

如果我呈现您的示例，我的输出是：

fullname:  A × B 

href: http://example.com/

在latin1/iso-8859-1中查看时，我看到了您描述的输出。但是，当我将字符集设置为UTF-8时，输出很好。
这不是对问题的直接回答，但您可以使用UTF-8，它允许您直接保存÷或×等字形。在其他需要上使用UTF-8和PHPDOM

此外，如果您试图显示数学公式（如A×B所示），请查看文档中的。
：

DOM扩展使用UTF-8编码。

使用utf8_encode（）和utf8_decode（）处理ISO-8859-1编码中的文本，或使用Iconv处理其他编码中的文本

假设您使用的是拉丁语-1，请尝试：

<?php
header('Content-type:text/html;charset=iso-8859-1');


$str = utf8_encode('<a href="http://example.com/"> A &#215; B</a>');

$dom = new DOMDocument;


$dom -> substituteEntities = false;
$dom ->loadHTML($str);

$link = $dom ->getElementsByTagName('a') -> item(0);
$fullname = utf8_decode($link -> nodeValue);
$href = $link -> getAttribute('href');

echo "
fullname: $fullname \n
href: $href\n";    ?>


我通过使用BOM将UTF-8转换为UTF-8解决了实体损坏的问题。
为什么要保留它们？我只是想，我真正想做的是用x替换它们，因为这会将文本的格式与我正在更新的刮板中的一些旧代码相同，我完全不知道如何在regext中包含这些符号这很奇怪，因为我是从代码中复制响应的。不管怎样，我使用了utf8_编码和deccode，它成功了。谢谢如果您在浏览器中查看响应，它会自动尝试确定字符集。因此，如果你想查看实际输出，最好查看页面源代码。是的，我的意思是我用chrome查看页面源代码，我在那里得到了我粘贴的图片，只是使用utf8_编码和解码，但我会阅读你使用的所有其他DBTW，我使用了，但顺序相反-因为我的初始数据已经编码。很好，谢谢！感谢黑客，它解决了我的问题（即使我的所有UTF-8实体仍然被HTML实体取代…）。现在是2013年，我们仍然需要使用一个技巧来正确处理UTF-8：-（这个答案是低值的，因为所有的洞察都是在场外进行的。不，洞察在答案中-缺少的是复制粘贴片段。。。。