欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

第一篇博客-关于采集来编码的问题

程序员文章站 2022-05-19 22:14:29
...

1.关于编码:不要轻易相信你采集人家网页上面写的编码格式,很有可能是骗你的,找了大量相关资料,甚至去阅读了 unicall ascll utf-8 gbk gb2312这些编码产生的历史,尼玛,我都会背这些编码了,之前还要百度的。切入正题,之前说了不要相信人家网页上面写的,我之前不断地用iconv或者mb_convert_encoding转码,怎么转都不成功,一度的相信网页上面写的gb2312就是gb2312,走了很多歪路后,算了,我还是打印这些截取过来的字符到底是不是网页上面写的gb2312编码,在脚本之jia找到,先用mb_detect_encoding打印了,出现cu-。。。编码,尼玛,从来没见过这种编码啊!不是吧,我先引用这个变量放进去转了码再说,神奇的出现了。果然!ok下面贴代码

        $html = $this->getContentByMatch('http://view.news.qq.com/original/intouchtoday/n3131.html');
        //标题
        $pattern_title="/<title>(.*)<\/title>/iUs";
        preg_match($pattern_title, $html, $arr_title);//根据正则找到匹配的代码

        $encode = mb_detect_encoding($arr_title[1], array('ASCII','UTF-8','GB2312','GBK','BIG5'));
        $string = iconv($encode,"utf-8",$arr_title[1]);
        echo $string;
相关标签: 编码