提问人：Richard Knop 提问时间：2/10/2010 最后编辑：j0kRichard Knop 更新时间：12/16/2020 访问量：136909
file_get_contents（） 分解 UTF-8 字符
file_get_contents() Breaks Up UTF-8 Characters
问：
我正在从外部服务器加载 HTML。HTML 标记采用 UTF-8 编码，并包含 ľ、š、č、ť、ž 等字符。当我使用 file_get_contents（） 加载 HTML 时，如下所示：
$html = file_get_contents('http://example.com/foreign.html');
它弄乱了 UTF-8 字符并加载 Å、3/4、¤ 和类似的废话，而不是正确的 UTF-8 字符。
我该如何解决这个问题？
更新：
我尝试将 HTML 保存到文件中并使用 UTF-8 编码输出它。两者都不起作用，因此这意味着 file_get_contents（） 已经返回损坏的 HTML。
UPDATE2：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="sk" lang="sk">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<meta http-equiv="Content-Style-Type" content="text/css" />
<meta http-equiv="Content-Language" content="sk" />
<title>Test</title>
</head>
<body>
<?php
$html = file_get_contents('http://example.com');
echo htmlentities($html);
?>
</body>
</html>
答：
91赞
Gordon
2/10/2010
#1
PHP手册条目注释中建议的解决方案 file_get_contents
function file_get_contents_utf8($fn) {
$content = file_get_contents($fn);
return mb_convert_encoding($content, 'UTF-8',
mb_detect_encoding($content, 'UTF-8, ISO-8859-1', true));
}
你也可以试试运气 http://php.net/manual/en/function.mb-internal-encoding.php
评论
4赞
helpse
7/22/2014
这应该被标记为最佳答案。谢谢戈登。
0赞
dynamichael
9/9/2018
简单，简单，完美。
7赞
Richard Knop
2/10/2010
#2
好。我发现 file_get_contents（） 没有导致这个问题。我在另一个问题中谈到了另一个原因。傻傻的我。
请参阅此问题：为什么 DOM 会更改编码？
评论
0赞
Reado
5/9/2017
file_get_contents（） 导致了问题。我有一个用 file_get_contents（） 打开的 JSON 文件，但在加载 JSON 后执行 print_r（） 时，unicode 字符在那里，但不在 JSON 中。在 file_get_contents（） 上执行 mb_convert_encoding（） 解决了问题。
1赞
WEBjuju
2/25/2018
$string = mb_convert_encoding($string, 'HTML-ENTITIES', "UTF-8");为我解决了。
4赞
Dr. Dama
11/11/2012
#3
我认为您只是在那里对字符类型进行了双重转换:D
可能是因为您在 html 文档中打开了一个 html 文档。所以你最终会得到这样的东西
<!DOCTYPE html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title></title>
</head>
<body>
<!DOCTYPE html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Test</title>.......
因此的使用可能会导致您遇到其他问题。mb_detect_encoding
120赞
ugniesdebesys
3/3/2013
#4
我在波兰语方面也有类似的问题
我试过了：
$fileEndEnd = mb_convert_encoding($fileEndEnd, 'UTF-8', mb_detect_encoding($fileEndEnd, 'UTF-8', true));
我试过了：
$fileEndEnd = utf8_encode ( $fileEndEnd );
我试过了：
$fileEndEnd = iconv( "UTF-8", "UTF-8", $fileEndEnd );
然后-
$fileEndEnd = mb_convert_encoding($fileEndEnd, 'HTML-ENTITIES', "UTF-8");
这最后一个工作得很好!!!!!
评论
0赞
artur99
9/28/2015
它给了我 ă 和 ª 而不是 Ș :(（
0赞
JustRandom
2/23/2016
对于所有德国人，请使用 iso-8859-1 而不是 UTF-8。这将为您修复 äöüß。很棒的修复，谢谢。
0赞
Reado
5/9/2017
这应该就是答案！对我来说，file_get_contents（） 正在将 £ 转换为 unicode 版本。使用 file_get_contents（） 后使用 mb_convert_encoding（） 解决了该问题。谢谢！
0赞
Peter Artoung
1/9/2019
完善：$fileEndEnd = mb_convert_encoding($fileEndEnd, 'HTML-ENTITIES', "UTF-8");
0赞
ashleedawg
7/20/2019
这个答案使我找到了一个解决方案（正确显示来自StatsCanada.csv的法裔加拿大字符），该解决方案是使用mb_convert_encoding，例如：. . .包含此答案和此支持的字符编码列表的提示。谢谢！$myString=mb_convert_encoding($myString, 'UTF-8', "ISO-8859-1");
2赞
Mohammad H.
11/19/2014
#5
也试试这个
$url = 'http://www.domain.com/';
$html = file_get_contents($url);
//Change encoding to UTF-8 from ISO-8859-1
$html = iconv('UTF-8', 'ISO-8859-1//TRANSLIT', $html);
3赞
Mustafa Ergüven
10/26/2016
#6
İn 土耳其语、mb_convert_encoding或任何其他字符集转换不起作用。
而且 urlencode 也不起作用，因为空格字符转换为 + 字符。对于百分比编码，它必须为 %20。
这个奏效了！
$url = rawurlencode($url);
$url = str_replace("%3A", ":", $url);
$url = str_replace("%2F", "/", $url);
$data = file_get_contents($url);
0赞
matasoy
11/15/2017
#7
我正在处理 35000 行数据。
$f=fopen("veri1.txt","r");
$i=0;
while(!feof($f)){
$i++;
$line=mb_convert_encoding(fgets($f), 'HTML-ENTITIES', "UTF-8");
echo $line;
}
这段代码将我的奇怪字符转换为正常字符。
5赞
Dorian PIERREFEU
9/17/2019
#8
示例：
$string = file_get_contents(".../File.txt");
$string = mb_convert_encoding($string, 'UTF-8', "ISO-8859-1");
echo $string;
评论
0赞
Robby Cornelissen
9/17/2019
这与这个答案有何不同？
0赞
Albert
10/18/2019
#9
我有一个类似的问题，解决的是.html_entity_decode
我的代码是：
$content = file_get_contents("http://example.com/fr");
$x = new SimpleXMLElement($content);
foreach($x->channel->item as $entry) {
$subEntry = html_entity_decode($entry->description);
}
在这里，我正在检索一个xml文件（法语），这就是我使用这个$x对象变量的原因。然后我才将其解码为这个变量.$subEntry
我试过了，但这对我不起作用。mb_convert_encoding
0赞
Juergen Schulze
1/23/2020
#10
试试这个功能
function mb_html_entity_decode($string) {
if (extension_loaded('mbstring') === true)
{
mb_language('Neutral');
mb_internal_encoding('UTF-8');
mb_detect_order(array('UTF-8', 'ISO-8859-15', 'ISO-8859-1', 'ASCII'));
return mb_convert_encoding($string, 'UTF-8', 'HTML-ENTITIES');
}
return html_entity_decode($string, ENT_COMPAT, 'UTF-8');
}
3赞
Kário Freire
8/31/2020
#11
我设法使用下面的这个功能来解决：
function file_get_contents_utf8($url) {
$content = file_get_contents($url);
return mb_convert_encoding($content, "HTML-ENTITIES", "UTF-8");
}
file_get_contents_utf8($url);
评论
utf-8iso-8859-1