PHP：如何将外来字符从simple_html_dom转换为UTF8？

Question

我遇到了一个来自外部字符的网页的字符串的麻烦。

该字符串是通过使用str_get_html()解析网页，然后是$htmldom->innertext;（simple_html_dom类库）生成的。

当我使用htmlentities()输出字符串时，它显示正常;但在字符串上使用explode()并打印零件，我得到一个带有问号的倾斜块，用于每个外来字符。

我需要将字符串存储在一个utf8 MySQL数据库中，所以我需要正确的外来字符。

我的页面有一个标题utf8字符集。

我已经试过mb_split()和preg_split()，但这些都有同样的问题。

Answer 1

我解决了这个问题，有：

它有一个很大的功能，只是转换什么都是utf-8，无论它来自何处（只要它是Latin1（iso 8859-1），Windows-1252或UTF8，或者它们的组合）。

非常感谢塞巴斯蒂安格里尼奥利。

Answer 2

PHP和UTF-8不是很好的组合。一些函数可以在UTF-8上正常工作，其他函数则不会，最糟糕的是那些被记录为可用的函数，但事实上并非如此（如DOMDocument）。

您可以使用mb_convert_encoding()为多字节字符转换为HTML实体，它通常提供一个可接受的解决方法：

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