it-swarm.dev

file_get_contents () quebra os caracteres UTF-8

Estou carregando um HTML de um servidor externo. A marcação HTML tem codificação UTF-8 e contém caracteres como ľ, š, č, ť, ž etc. Quando carrego o HTML com file_get_contents () assim:

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

Ele bagunça os caracteres UTF-8 e carrega Å, ¾, ¤ e um absurdo similar ao invés de caracteres UTF-8 apropriados.

Como posso resolver isso?

ATUALIZAR:

Eu tentei salvar o HTML em um arquivo e emiti-lo com codificação UTF-8. Ambos não funcionam, o que significa que file_get_contents () já está retornando o HTML corrompido.

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

Tudo bem. Eu descobri que o file_get_contents () não está causando esse problema. Há uma razão diferente da qual falo em outra questão. Me bobo.

Veja esta pergunta: Por que o DOM muda a codificação?

6
Richard Knop

Eu tive problema semelhante com a linguagem polaca 

Eu tentei:

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

Eu tentei:

$fileEndEnd = utf8_encode ( $fileEndEnd );

Eu tentei:

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

E depois -

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

Este último funcionou perfeitamente !!!!!!

95
ugniesdebesys

Solução sugerida nos comentários da entrada manual PHP para 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));
}

Você também pode tentar a sua sorte com http://php.net/manual/en/function.mb-internal-encoding.php

66
Gordon

Eu acho que você simplesmente tem uma conversão dupla do tipo de personagem lá: D 

Pode ser, porque você abriu um documento HTML dentro de um documento html. Então você tem algo que se parece com isso no final

<!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>.......

O uso de mb_detect_encoding, portanto, pode levar você a outros problemas.

5
Dr. Dama

Tente isso também

 $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

No idioma turco, mb_convert_encoding ou qualquer outra conversão de conjunto de caracteres não funcionou.

E também urlencode não funcionou por causa de char de espaço convertido para + char. Deve ser% 20 para codificação percentual.

Este trabalhou!

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

   $data = file_get_contents($url);
2
Mustafa Ergüven

Eu estou trabalhando com 35.000 linhas de dados.

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

Este código converte meus caracteres estranhos em normais.

0
matasoy