Codificación PHP con DOMDocument

character-encoding

Question

<tag>
Алекс М
</tag>

Cuando trato de obtener el contenido del siguiente código usando las funciones DOMDocument, devuelve algo como:

ÐÐ»ÐµÐºÑ Ðœ

Intenté configurar la codificación DOMDocument en diferentes valores (UTF-8, ISO-8859-1), usando mb_convert_encoding, iconv y utf8_encode pero sin éxito.

¿Cómo puedo obtener "Алекс М" en lugar de "Ðл ÐμÐºÑ Ðμ ""?

EDITAR: la entrada proviene de una página cargada con curl. Cuando envío el contenido de la página a mi navegador, los caracteres se muestran correctamente (así que dudo que la entrada sea el problema).

Answer 1

Agregue encabezado xml a sus etiquetas; intente esto:

$a = new DOMDocument ();
$a->loadXml (''<?xml version="1.0" encoding="UTF-8"?><tag>Алекс М</tag>'');
print htmlspecialchars ($a->saveXml ());

Answer 2

Tratar:

$string = file_get_contents(''your-xml-file.xml'');
$string = mb_convert_encoding($string, ''utf-8'', mb_detect_encoding($string));
// if you have not escaped entities use
$string = mb_convert_encoding($string, ''html-entities'', ''utf-8''); 
$doc = new DOMDocument();
$doc->loadXML($string);

Answer 3

Tuve un problema similar después de usar XPath para analizar DomDocument, y después de leer esto

https://bugs.php.net/bug.php?id=32547

Lo solucioné así

// Workaround because PHP 5.2.x has encoding problems, when we 
// update to PHP 5.3 this line is not necesserry any more
$content = ''<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />'' . $content;

// Creating new DOM document and loading HTML content
$dom_document = new DOMDocument(''1.0'', ''UTF-8'');
$dom_document->substituteEntities = TRUE;
$dom_document->loadHTML($content);