ejemplos - file_get_contents(''php//input'')
file_get_contents() rompe los caracteres UTF-8 (7)
Bien. Descubrí que file_get_contents () no está causando este problema. Hay una razón diferente de la que hablo en otra pregunta. Tonto de mí.
Vea esta pregunta: ¿Por qué DOM cambia la codificación?
Estoy cargando un HTML de un servidor externo. El código HTML tiene codificación UTF-8 y contiene caracteres como ľ, š, è, ť, ž, etc. Cuando cargo el HTML con file_get_contents () de esta manera:
$html = file_get_contents(''http://example.com/foreign.html'');
Desordena los caracteres UTF-8 y carga Å, ¾, ¤ y tonterías similares en lugar de los caracteres UTF-8 apropiados.
¿Como puedo resolver esto?
ACTUALIZAR:
Intenté guardar el HTML en un archivo y enviarlo con codificación UTF-8. Ambos no funcionan, por lo que significa que file_get_contents () ya está devolviendo HTML roto.
ACTUALIZACIÓN2:
<!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>
Creo que simplemente tiene una doble conversión del tipo de personaje allí: D
Puede ser porque usted abrió un documento html dentro de un documento html. Así que tienes algo que se ve así al 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>.......
El uso de mb_detect_encoding por lo tanto puede llevarlo a otros problemas.
En idioma turco, mb_convert_encoding o cualquier otra conversión de juego de caracteres no funcionaba.
Y también urlencode no funcionó debido a espacio char convertido a + char. Debe ser% 20 para la codificación porcentual.
¡Este funcionó!
$url = rawurlencode($url);
$url = str_replace("%3A", ":", $url);
$url = str_replace("%2F", "/", $url);
$data = file_get_contents($url);
Estoy trabajando con 35000 líneas de datos.
$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 convierte mis extraños personajes en normales.
Prueba esto también
$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);
Tuve un problema similar con el idioma polaco
Lo intenté:
$fileEndEnd = mb_convert_encoding($fileEndEnd, ''UTF-8'', mb_detect_encoding($fileEndEnd, ''UTF-8'', true));
Lo intenté:
$fileEndEnd = utf8_encode ( $fileEndEnd );
Lo intenté:
$fileEndEnd = iconv( "UTF-8", "UTF-8", $fileEndEnd );
Y entonces -
$fileEndEnd = mb_convert_encoding($fileEndEnd, ''HTML-ENTITIES'', "UTF-8");
Esto último funcionó perfectamente !!!!!!
Solución sugerida en los comentarios de la entrada manual de 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));
}
También puede probar suerte con http://php.net/manual/en/function.mb-internal-encoding.php