simplexml_load_file 和 simplexml_load_string 以不同的编码返回相同的数据-解网

问：

尝试从 URL 解析 UTF-8 RSS 提要，我首先尝试了这个：

$flux = simplexml_load_file("https://mamanslouves.com/feed");
foreach($flux->channel->item as $Item){
        $title      = $Item->title;
        echo $title;
}

此代码有效，但包含重音符号（éèà）的标题将转换为另一个字符集。以下代码似乎解决了该问题：

$raw = file_get_contents("https://mamanslouves.com/feed");
$flux = simplexml_load_string($raw);
foreach($flux->channel->item as $Item){...}

我想知道为什么。

php rss simplexml

@MarkusZeller啊，我确实检查了文件，但使用的是普通浏览器。我首先得到 2 个重定向，首先是，记下域，然后是，最后我得到了下载本身。后者的 HTTP 标头是，所以我很满意，但仔细检查后，我发现第一个重定向使用 .我没有发现这一点。我可以确认这是原因，因为使用显示正常的重音字母。www.mamanslouves.org/feedwww.mamanslouves.org/feed/Content-Type application/rss+xml; charset=UTF-8content-type text/html; charset=iso-8859-1simplexml_load_file("https://mamanslouves.org/feed/");

1赞 KIKO Software 8/4/2023

我不知道谁拥有，但它显然在标题中发出了错误。你可以要求他们纠正这一点吗？这是一个很好的问题，让我咬牙切齿。mamanslouves.comcharset

答：

0赞 KIKO Software 8/4/2023 #1

通过讨论，我在评论中与 MarkusZeller 进行了讨论，我认为答案应该包含 2 个组成部分。

首先，我们需要查看您正在使用的 URL。它不是您最终下载的文件的 URL。在浏览器开发人员工具的“网络”选项卡中查看一下，如下所示：

首先，在下载 RSS 源本身之前，有两个永久重定向（301）。一切都经过编码，XML 甚至您下载的文件。唯一不是的是第一个重定向，它是编码的。您可以通过检查网络选项卡中的标头来查看这一点。UTF-8UTF-8iso-8859-1

然后我们需要考虑什么。它需要弄清楚它下载的文件的编码。它可以从许多位置获取编码：重定向的 HTTP 标头、源的 HTTP 标头或 XML 内容。现在很清楚，它使用它遇到的第一件事：第一个重定向的 HTTP 标头，上面写着 .所以，真正被解读为什么，从那里开始一切都出错了。然后将误读的字符转换为，但正如您所看到的，这毫无意义。simplexml_load_file()iso-8859-1UTF-8iso-8859-1UTF-8

为了证明第一次重定向中的错误搞砸了事情，您可以在没有重定向的情况下获取提要：charset

$flux = simplexml_load_file("https://mamanslouves.org/feed/");
foreach($flux->channel->item as $Item){
        $title = $Item->title;
        echo $title;
}

这确实返回了正常的重音字母。

之所以通过确实有效，是因为这个函数不关心，它只是给你二进制数据，然后被解释为一个字符串。正如马库斯所说。file_get_contents()charsetUTF-8

上一个：PHP 解析 XML 以获取多个深度的所有字符串值

下一个：SimpleXML 在 Web 服务器中出现未捕获的错误，尽管它已在 CLI 中安装并启用

simplexml_load_file 和 simplexml_load_string 以不同的编码返回相同的数据

simplexml_load_file and simplexml_load_string return the same data with different encoding

评论