用php 的DOM对象的loadhtml 方法处理中文网页，得到的是乱码

Question

string iconv ( string in_charset, string out_charset, string str )

Answer 1

<?php$myhtml=file("http://www.baidu.com");
$myhtml=join('',$myhtml);$doc = new DOMDocument();
@$doc->loadHTML($myhtml);$tags = $doc->getElementsByTagName('a');foreach ($tags as $tag) 
{

      $html.='<a href='.$tag->getAttribute('href').'>'.$tag->childNodes->item(0)->nodeValue.'</a><br>';
}echo $doc->encoding;  //输出 gb2312 ,浏览器却显示乱码！（用gb2312编码的）  改成utf-8编码时显示正常。
?>

Answer 2

一楼的方法不行，bm_convert_encoding 也不行啊。php/manual 上也没说什么有用的东西好像，倒是有人说是bug。有高手能搞定它啊？

Answer 3

将网页的编码改为 gb2312就OK了！！

Answer 4

<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />

Answer 5

统一编码嘛如果你的网页的编码是 <meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
那么采集过来的内容就需要转码：mb_convert_encoding($html,'gb2312','utf-8')如果你的网页的编码是 <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
那就不需要转码了，采集过来的内容可以直接显示。
<?php
header("Content-type: text/html; charset=utf-8");
$myhtml=file("http://www.baidu.com");
$myhtml=join('',$myhtml);$doc = new DOMDocument();
@$doc->loadHTML($myhtml);$tags = $doc->getElementsByTagName('a');foreach ($tags as $tag) 
{  $html.='<a href='.$tag->getAttribute('href').'>'.$tag->childNodes->item(0)->nodeValue.'</a><br>';
}echo $doc->encoding; //输出 gb2312 ,浏览器却显示乱码！（用gb2312编码的） 改成utf-8编码时显示正常。
?>

Answer 6

header("Content-type: text/html; charset=utf-8");<?php
header("Content-type: text/html; charset=utf-8");
$myhtml=file("http://www.baidu.com");
$myhtml=join('',$myhtml);$doc = new DOMDocument();
@$doc->loadHTML($myhtml);$tags = $doc->getElementsByTagName('a');foreach ($tags as $tag) 
{  $html.='<a href='.$tag->getAttribute('href').'>'.$tag->childNodes->item(0)->nodeValue.'</a><br>';
}echo $doc->encoding; //输出 gb2312 ,浏览器却显示乱码！（用gb2312编码的） 改成utf-8编码时显示正常。
?>