php – Scraping上的字体或Unicode问题[复制]

参见英文答案 > PHP DomDocument failing to handle utf-8 characters (☆) 3个
我试图从网站上抓取信息.

该网站有这样的

127 East Zhongshan No 2 Rd; 中山东二路127号

但是,当我试图废弃它&回声它然后会显示出来

127 East Zhongshan No 2 Rd; ä¸å±±ä¸äºè·¯127å·

我也尝试UTF-8

有我的PHP 代码

现在请帮我解决这个问题.

function GrabPage($site){
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE);
    curl_setopt($ch, CURLOPT_USERAGENT, $_SERVER['HTTP_USER_AGENT']);
    curl_setopt($ch, CURLOPT_TIMEOUT, 40);
    curl_setopt($ch, CURLOPT_COOKIEFILE, "cookie.txt");
    curl_setopt($ch, CURLOPT_URL, $site);
    ob_start();
    return curl_exec ($ch);
    ob_end_clean();
    curl_close ($ch);
}
$GrabData   = GrabPage($site);

$dom    = new DOMDocument();
@$dom->loadHTML($GrabData);

$xpath  = new DOMXpath($dom);


$mainElements = array();
$mainElements = $xpath->query("//div[@class='col--one-whole mv--col--one-half wv--col--one-whole'][1]/dl/dt");

foreach ($mainElements as $Names2) {
    $Name2  = $Names2->nodeValue;
    echo "$Name2";
}

解决方法:

首先,您需要在PHP 文件之前的其他任何内容之前设置charset：

header('Content-Type: text/html; charset=utf-8');

你需要转换你用mb_convert_encoding获得的html标记：

@$dom->loadHTML(mb_convert_encoding($GrabData, 'HTML-ENTITIES', 'UTF-8'));

Sample Output

php – Scraping上的字体或Unicode问题[复制]

相关文章