Question

我正在使用PHP的DOMElement控件解析第三方网页。当我在浏览器中使用网页并查看源代码时，它很干净，但是当我通过DOMElement-＆gt; nodeValue参数访问某些节点时，HTML标记不存在，并且有几个换行符和此字符Â 。根据{{3}}，这是出现编码问题时出现的字符。

我也可以使用：

获得那个gobbly-gook

simplexml_import_dom（$节点） - ＆GT; asXML（）;
$ doc-＆GT; saveXML（$节点）;

我的问题是如何在DOMElement中简单地获取干净的HTML代码？

以下是干净的HTML代码：

<b>Author:</b> AUTHOR<br>
            <b>ISBN:</b> 9780684857220 <br>
            <b>Edition/Copyright:</b> 7<br>
            <b>Publisher:</b> J+M<br>
            <b>Published Date:</b>  1989<br>

这是nodeValue给出的内容：

                    Â 
                    Author:Â AUTHOR      ISBN:Â 9780684857220 Edition/Copyright:Â 7     Publisher:Â J+M       Published Date:Â 
                    1989

Answer 1

您是否尝试在创建DOM文档时指定编码？例如：

$doc = new DOMDocument('1.0', 'utf-8');
$doc->loadXML($third_party_web_page_string);

或

$doc = new DOMDocument('1.0', 'iso-8859-1');
$doc->loadXML($third_party_web_page_string);

如果这些都不起作用，您可以在将数据加载到DOM对象之前尝试对数据使用iconv函数。

Answer 2

原来这不是编码问题，而是我使用了错误的方法。这有效：

$doc = new DOMDocument();
$doc->appendChild($doc->importNode($second_td,true)); 
echo $doc->saveHTML();

PHP DomElement-＆gt; nodeValue有gobbledygook

2 个答案: