通过cURL检索XML中的Mojibake问题

Question

我通过PHP cURL检索this XML feed，并将其输出到我页面上的文本区。问题是，它回来的时候充满了mojibake角色。提要本身没有问题；只有当输出到我的页面上时，字符才会出现。

例如，井号(Â)返回为Â。

我尝试使用UTF-8来解决这个问题，就像this question的答案中所建议的那样。

ini_set('default_charset', 'UTF-8');
header("Content-Type:text/html; charset=UTF-8");

在HTML中：

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

即使通过utf8_encode()输出cURL响应，它们仍然存在。

$ch = curl_init($feed_url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$xml = curl_exec($ch);
echo '<textarea>'.utf8_encode($xml).'</textarea>';

我甚至试着把这些字符换掉，但还是不行。

$xml = strtr($xml, array('£' => ''));

是我在这里无能为力，还是我能做些什么？

Answer 1

在HTML页面中显示XML内容之前使用htmlentities (http://php.net/manual/en/function.htmlentities.php)，还要在该调用中将$ch更改为$xml，因此：

echo '<textarea>'.htmlentities($xml).'</textarea>';

Answer 2

utf8_encode()会将输入视为拉丁-1，并将其转换为utf-8。如果输入是utf-8，这将是一个双重编码--这就是您所看到的。

检查从URL获取的XML字符串。XML文件的编码通常在XML处理指令中：

<?xml version="1.0" encoding="utf-8"?>
<document-element/> 

加载到DOM、XMLReader或SimpleXML中时，它将始终转换为UTF-8。使用API读取的任何值都将是UTF-8。

如果希望将UTF-8XML输出到HTML页面的文本区，则需要对特殊字符进行转义。

echo '<textarea>'.htmlspecialchars($xml).'</textarea>';

这将对<和>等字符进行转义，但这是必需的。想象一下包含字符串</textarea>的XML。这会破坏你的HTML页面。浏览器将在显示<和其他实体之前对它们进行解码。