web-dev-qa-db-ger.com

file_get_contents () bricht UTF-8-Zeichen auf

Ich lade ein HTML von einem externen Server. Das HTML-Markup hat eine UTF-8-Kodierung und enthält Zeichen wie ľ, š, č, ť, ž usw.

$html = file_get_contents('http://example.com/foreign.html');

Es versetzt die UTF-8-Zeichen durcheinander und lädt Å, ¾, ¤ und ähnlichen Unsinn anstelle von richtigen UTF-8-Zeichen.

Wie kann ich das lösen?

AKTUALISIEREN:

Ich habe versucht, den HTML-Code sowohl in einer Datei zu speichern als auch mit UTF-8-Kodierung auszugeben. Beides funktioniert nicht. Das bedeutet, dass file_get_contents () bereits defektes HTML zurückgibt.

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>
55
Richard Knop

In Ordung. Ich habe herausgefunden, dass file_get_contents () dieses Problem nicht verursacht. Es gibt einen anderen Grund, über den ich in einer anderen Frage spreche. Wie dumm von mir.

Siehe diese Frage: Warum ändert DOM die Kodierung?

6
Richard Knop

Ich hatte ähnliche Probleme mit der polnischen Sprache 

Ich habe es versucht:

$fileEndEnd = mb_convert_encoding($fileEndEnd, 'UTF-8', mb_detect_encoding($fileEndEnd, 'UTF-8', true));

Ich habe es versucht:

$fileEndEnd = utf8_encode ( $fileEndEnd );

Ich habe es versucht:

$fileEndEnd = iconv( "UTF-8", "UTF-8", $fileEndEnd );

Und dann -

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

Dieser letzte hat perfekt funktioniert !!!!!!

95
ugniesdebesys

In den Kommentaren des Handbucheintrags PHP für file_get_contents vorgeschlagene Lösung

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));
}

Sie können Ihr Glück auch mit http://php.net/manual/de/function.mb-internal-encoding.php versuchen.

66
Gordon

Ich denke, Sie haben einfach eine doppelte Umsetzung des Zeichentyps dort: D 

Es kann sein, dass Sie ein HTML-Dokument in einem HTML-Dokument geöffnet haben. Sie haben also etwas, das am Ende so aussieht

<!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>.......

Die Verwendung von mb_detect_encoding kann Sie daher zu anderen Problemen führen.

5
Dr. Dama

Versuchen Sie das auch

 $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);
2
Mohamm6d

In türkischer Sprache funktionierten mb_convert_encoding oder andere Zeichensatzkonvertierungen nicht.

Und außerdem funktionierte Urlencode nicht, weil ein Leerzeichen in + Char konvertiert wurde. Für die prozentuale Kodierung muss% 20 sein.

Dieser hat funktioniert!

   $url = rawurlencode($url);
   $url = str_replace("%3A", ":", $url);
   $url = str_replace("%2F", "/", $url);

   $data = file_get_contents($url);
2

Ich arbeite mit 35000 Datenzeilen.

$f=fopen("veri1.txt","r");
$i=0;
while(!feof($f)){
    $i++;
    $line=mb_convert_encoding(fgets($f), 'HTML-ENTITIES', "UTF-8");
    echo $line;
}

Dieser Code wandelt meine merkwürdigen Zeichen in normale um.

0
matasoy