如何强制XPath使用UTF8？

我有一个通过Greasemonkey AJAX传递给PHP应用程序的XHTML文档。 PHP应用程序使用UTF8。如果我将POST内容直接输出到AJAX接收div中的textarea，则所有内容仍然以UTF8正确编码。如何强制XPath使用UTF8？

当我尝试使用XPath解析

$dom = new DOMDocument(); 
$dom->loadHTML($raw2); 
$xpath = new DOMXPath($dom); 
$query = '//td/text()'; 
$nodes = $xpath->query($query); 
foreach($nodes as $node) { 
    var_dump($node->wholeText); 
}

甩字符串不是UTF8。我如何强制DOM/XPath使用UTF8？

来源

2009-07-20 Grod

你可以提供一个（测试）例如HTML文档ument？ – VolkerK 2009-07-20 17:45:46

如果是一个成熟有效的XHTML文档，你不应该使用loadhtml（），但负载（）/的loadXML（）。

给出的示例XHTML文档

<?xml version="1.0" encoding="utf-8"?> 
<!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="en" lang="en"> 
    <head> 
     <title>xhtml test</title> 
    </head> 
    <body> 
     <h1>A Table</h1> 
     <table> 
      <tr><th>A</th><th>O</th><th>U</th></tr> 
      <tr><td>Ä</td><td>Ö</td><td>Ü</td></tr> 
      <tr><td>ä</td><td>ö</td><td>ü</td></tr> 
     </table> 
    </body> 
</html>

脚本

<?php 
$raw2 = 'test.html'; 

$dom = new DOMDocument(); 
$dom->load($raw2); 
$xpath = new DOMXPath($dom); 
var_dump($xpath->registerNamespace('h', 'http://www.w3.org/1999/xhtml')); 
$query = '//h:td/text()'; 
$nodes = $xpath->query($query); 
foreach($nodes as $node) { 
    foo($node->wholeText); 
} 


function foo($s) { 
    for($i=0; $i<strlen($s); $i++) { 
     printf('%02X ', ord($s[$i])); 
    } 
    echo "\n"; 
}

打印

bool(true) 
C3 84 
C3 96 
C3 9C 
C3 A4 
C3 B6 
C3 BC

即输出/字符串是UTF-8编码

来源

2009-07-20 18:05:52 VolkerK

我解析的页面没有。使用Tidy添加，我的问题解决了。 – Grod 2009-07-20 19:21:55

这是正确的。我坚持强烈的意见（弱）：如果它声称是xhtml，不要试图修复它;他们想要前面的x，他们必须交付。 ;-) – VolkerK 2014-11-25 10:39:20

我还没试过，但DOMDocument::__construct的第二个参数似乎与编码有关;也许这会帮助你:-)

否则，有一个encoding property in DOMDocument，它是可写的。

的DOMXpath beeing与DOM文档构建为参数，也许它会工作...

来源

2009-07-20 17:29:09

`$ dom-> encoding ='utf8'`没有效果，也没有在`__construct（）`中设置编码。可能由于使用`loadHTML（）`，但我不知道。 – Grod 2009-07-22 15:08:31

loadHTML（）覆盖构造函数中设置的编码 – leticia 2012-11-21 21:46:46

与simil挣扎AR问题（无法强制的Xpath与loadHTML组合使用UTF-8），在结束本优秀的文章提供的解决方案： http://devzone.zend.com/article/8855

解决方法：

插入的附加部分使用适当的内容类型 HTTP-EQUIV元标记立即跟随开始标记。

来源

2010-06-23 00:39:40 Hans

此链接不再有效。你能否更新它或从这个页面粘贴解决方案？ – user658182 2017-08-15 04:24:09

我有同样的问题，我不能在我的网络服务器中使用整洁。我发现这个解决方案，它工作得很好：

 
$html = mb_convert_encoding($html, 'HTML-ENTITIES', "UTF-8"); 
$dom = new DomDocument(); 
$dom->loadHTML($html);

来源

2010-07-21 22:45:00 Lucia

有点晚了比赛，但也许它可以帮助别人......

问题可能是在输出中，而不是在DOM/xpath对象本身。

如果您要直接输出nodeValue，您将得到损坏的字符，例如：

Ã¬ÂÂÃ¬ÂÂ Ã«Â¹ÂÃ«Â”Â”Ã¬ÂÂ¤ 
ìì ë¹ë””ì¤ í°ì íì¤

你必须与第二参数“UTF-8”，new \DomDocument('1.0', 'utf-8')加载你的DOM对象，但仍当你打印DOM节点列表/元素值你破字：

echo $contentItem->item($index)->nodeValue

你必须与utf8_decode包起来：

echo utf8_decode($contentItem->item($index)->nodeValue) //output: 者不終朝而會，愚者可浹旬而學

来源

2016-09-12 14:24:24

如何强制XPath使用UTF8？

回答

相关问题