Question

我正在使用的代码是下面的代码，这个代码完全正常，直到我遇到带有日文字符或任何特殊字符的网址。我观察到了这个问题，似乎每当网址包含日语这样的特殊字符时，它只会返回域名，因此我不断得到我不打算检索的随机结果。

  include_once 'simple_html_dom.php';
header('Content-Type: text/html; charset=utf-8');

$url_link = 'http://kissanime.com/Anime/Knights-of-Ramune-VS騎士ラムネ＆40FRESH';

$html = file_get_html($url_link);
echo $html->find('.bigChar', 0)->innertext;

我应该得到＆＃34; Ramune骑士＆＃34;因为那是我试图检索的元素。相反，$ url_link被重定向到域名，即＆＃39; http://kissanime.com/＆＃39;没有＆＃39;动漫/骑士骑士VS骑士ラムネ＆40FRESH＆＃39;。从那里开始，它会查找具有＆＃39; .bigChar＆＃39;的值的类。给出随机值的结果。

Answer 1

真实问题域是如何使用带有UTF-8字符的网址检索数据，而不是simple_html_dom。

首先，我们需要对字符进行编码：

$url_link = 'http://kissanime.com/Anime/Knights-of-Ramune-VS騎士ラムネ＆40FRESH';

$strPosLastPart  = strrpos($url_link, '/') + 1;
$lastPart        = substr($url_link, $strPosLastPart);
$encodedLastPart = rawurlencode($lastPart);
$url_link        = str_replace($lastPart, $encodedLastPart, $url_link);

Normaly这应该有效。既然我已经测试过了，那就不行了。所以我问为什么会发生这个错误，并使用CURL进行调用。

对象引用未设置为对象的实例。描述：一个   在执行当前Web期间发生了未处理的异常   请求。请查看堆栈跟踪以获取有关的更多信息   错误以及它在代码中的起源。

异常详细信息：System.NullReferenceException：不是对象引用   设置为对象的实例。

现在我们知道，这个页面是用ASP.NET编写的。但我问我，为什么它不起作用。我添加了一个用户代理，瞧：

$ch = curl_init($url_link);
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:31.0) Gecko/20100101 Firefox/31.0');
$data = curl_exec($ch);
echo $data;

所有在一起（工作）：

$url_link = 'http://kissanime.com/Anime/Knights-of-Ramune-VS騎士ラムネ＆40FRESH';

//Encode Characters
$strPosLastPart  = strrpos($url_link, '/') + 1;
$lastPart        = substr($url_link, $strPosLastPart);
$encodedLastPart = rawurlencode($lastPart);
$url_link        = str_replace($lastPart, $encodedLastPart, $url_link);

//Download Data
$ch = curl_init($url_link);
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:31.0) Gecko/20100101 Firefox/31.0');
$data = curl_exec($ch);

//Load Data into Html (untested, since i am not using this Lib)
$html = str_get_html($data);

现在的不同之处在于，将$data读入您的simple_html_dom.php课程，而不是file_get_html。

干杯

simple_html_dom忽略特殊字符

1 个答案: