首页 / HTML / PHP解析html类库simple_html_dom的转码bug_PHP教程

PHP解析html类库simple_html_dom的转码bug_PHP教程

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了PHP解析html类库simple_html_dom的转码bug_PHP教程，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2441字，纯文字阅读大概需要4分钟。

内容图文

这几天有在用simple_html_dom抓一些文章。不同网站的编码在国内基本上是gbk gb2312 utf-8。而以gb2312和utf-8居多。

我这一版的simple_html_dom有一个方法 convert_text 是这个样子的。

代码如下:
// PaperG - Function to convert the text from one character set to another if the two sets are not the same.
function convert_text($text)
{
global $debug_object;
if (is_object($debug_object)) {$debug_object->debug_log_entry(1);}
$converted_text = $text;
$sourceCharset = "";
$targetCharset = "";
if ($this->dom)
{
$sourceCharset = strtoupper($this->dom->_charset);
$targetCharset = strtoupper($this->dom->_target_charset);
}
if (is_object($debug_object)) {$debug_object->debug_log(3, "source charset: " . $sourceCharset . " target charaset: " . $targetCharset);}
if (!empty($sourceCharset) && !empty($targetCharset) && (strcasecmp($sourceCharset, $targetCharset) != 0))
{
// Check if the reported encoding could have been incorrect and the text is actually already UTF-8
if ((strcasecmp($targetCharset, 'UTF-8') == 0) && ($this->is_utf8($text)))
{
$converted_text = $text;
}
else
{
$converted_text = iconv($sourceCharset, $targetCharset, $text);
}
}
// Lets make sure that we don't have that silly BOM issue with any of the utf-8 text we output.
if ($targetCharset == 'UTF-8')
{
if (substr($converted_text, 0, 3) == "\xef\xbb\xbf")
{
$converted_text = substr($converted_text, 3);
}
if (substr($converted_text, -3) == "\xef\xbb\xbf")
{
$converted_text = substr($converted_text, 0, -3);
}
}
return $converted_text;
}

来看这一行：

代码如下:
$converted_text = iconv($sourceCharset, $targetCharset, $text);

会引起转码不正确。比如会把gb2312的文字转成：

代码如下:
4月26日在鏈濋槼公园马术场举行的2014浪琴国际马联场地障碍世界杯中国联赛资格赛上，24岁的韩壮壮不仅拿到零罚分的成绩 ...第7个出场的鍖椾含奥运骑手赵志文第一个收获零罚分，用时77秒07 ...

既成的事实了，证明里头的转码功能没有处理好。由于我使用这个simple_html_dom只是想要用来构建dom。我并没有打算花时间去很好地处理这个bug。而是简单地把

代码如下:
$converted_text = iconv($sourceCharset, $targetCharset, $text);

改成

代码如下:
$converted_text = $text;

就行了。思路就是取消它的转码。好吧工作不必纠结，可以继续了。

www.bkjia.comtruehttp://www.bkjia.com/PHPjc/774994.htmlTechArticle这几天有在用simple_html_dom抓一些文章。不同网站的编码在国内基本上是gbk gb2312 utf-8。而以gb2312和utf-8居多。 我这一版的simple_html_dom有一个方...

内容总结

以上是互联网集市为您收集整理的PHP解析html类库simple_html_dom的转码bug_PHP教程全部内容，希望文章能够帮你解决PHP解析html类库simple_html_dom的转码bug_PHP教程所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/182274.html

来源：【匿名】