如何将ISO 8859-1字符转换为UTF-8

Question

我使用CURL从其他网站获取内容，但我不知道为什么它会自动从UTF-8转换为ISO 8859-1，如下所示：

网站：abc.com：

  

CửaHàngShipChip：RộnràngđónGiángsinhvớnihữngvậtphẩmtrangtríNoelđầymàusắcủủCHIPCHIPGIFT SHOP

但是当我使用CURL从该网站获取内容时，我得到了关注：

Cửa Hàng Chip Chip: Rộn ràng đón Giáng sinh với những vật phẩm trang trí Noel đầy màu sắc của CHIPCHIP GIFT SHOP

那么如何将它转换为UTF-8？

Answer 1

我建议使用iconv。

iconv --list为您提供了所有已知编码的列表，然后您可以使用iconv -f FROM_ENCODING -t TO_ENCODING进行转换。它也可以从标准输入读取，因此可以插入curl。

但关于你对你的问题的评论：似乎文件作者不关心使用正确的编码并决定坚持（旧式？）&auml和东西。

Answer 2

将您的字符串放在变量中并使用以下函数。

$var = "";
echo utf8_encode($var);

Answer 3

从您粘贴的行判断，问题似乎是HTML实体，而不是字符enconding。编码的字符看起来很好。

您需要将这些HTML实体转换为编码字符。使用哪种工具取决于您的环境或编程语言。我不认为只用CURL就可以完成。

PHP有htmlspecialchars_decode()。来自HTMLParser模块的Python unescape()。

Answer 4

curl不会转换任何内容，“按原样”下载内容

您看到的是字符实体，有效的HTML以及转换为可读形式的浏览器。

您可以通过在浏览器中打开curl保存的文件来检查这一点。它看起来像实况页面。

Answer 5

你可以试试这个：

html_entity_decode($string)

在此处查看更多内容：html_entity_decode

Answer 6

您的文件未转换为其他编码。他们正在使用HTML character entities。您需要convert those entities，例如é到UTF-8，例如é。如果您甚至需要这样做，那么在转换为UTF-8之后，这会占用一行额外的代码。