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  >  后端开发

关于curl抓取回来的网页中中文乱码的问题!

程序员文章站 2024-02-16 16:40:10
...
目前使用这个函数进行转码:
function safeEncoding($str){
$code=mb_detect_encoding($str,array('ASCII','GB2312','GBK','UTF-8'));//检测字符串编码
if($code=="CP936"){
$result=$str;
}
else{
//$result=mb_convert_encoding($str,'UTF-8',$code);//将编码$code转换为utf-8编码
$result=iconv($code,"UTF-8",$str);
}
return $result;
}
可是还是有问题,遇到有些明明charset写着gb2312的抓回来还是乱码,请教高手,curl到底该怎么全面的进行转码呢?就是把gbk,gb2312等网页常用格式转成utf8的。


回复讨论(解决方案)

把你的文件编码转换下试试!

把你的文件编码转换下试试!
将我的网页的编码转换一下?

自相矛盾了吧?
$code=mb_detect_encoding($str,array('ASCII','GB2312','GBK','UTF-8'));//检测字符串编码
if($code=="CP936"){
$result=$str;//如果是 GBK(CP936就是GBK)就不转码
}else{
$result = iconv($code,"UTF-8",$str);//否则就转成 utf-8(utf-8转成utf-8???)
}

自相矛盾了吧?
$code=mb_detect_encoding($str,array('ASCII','GB2312','GBK','UTF-8'));//检测字符串编码
if($code=="CP936"){
$result=$str;//如果是 GBK(CP936就是GBK)就不转码
}else{
$result = iconv($code,"UTF-8",$str);/……
可是淘宝的网页是gbk但是抓取回来却是EUC-CN的。

EUC-CN是GB 2312最常用的表示方法。浏览器编码表上的“GB2312”,通常都是指“EUC-CN”表示法。
这不是关键!
你需要的是 把gbk,gb2312等网页常用格式转成utf8的
而你的代码正好没有这样做

if(! mb_check_encoding($str, 'utf-8')) {
$str = mb_convert_encoding($str,'UTF-8','gbk');
}

EUC-CN是GB 2312最常用的表示方法。浏览器编码表上的“GB2312”,通常都是指“EUC-CN”表示法。
这不是关键!
你需要的是 把gbk,gb2312等网页常用格式转成utf8的
而你的代码正好没有这样做

if(! mb_check_encoding($str, 'utf-8')) {
$str = mb_convert_encoding($str,'UTF-8'……
哇,谢谢你啊老徐,看见大家都这么叫你,结贴去!

我的问题也解决了,同谢了 老徐同志~