使用PHP卷曲和DOM文档以未知格式获取站点标题

Question

我想在大多数网站上使用站点URL获取网站标题，但它正在使用Japennese和Chinnese网站获得一些不可读的文本。

这是我的功能

function file_get_contents_curl($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_HEADER, 0);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
    $data = curl_exec($ch);
    curl_close($ch);
    return $data;
}

使用

use--------
    $html = $this->file_get_contents_curl($url);

解析

$doc = new DOMDocument();
@$doc->loadHTML($html);
$nodes = $doc->getElementsByTagName('title');
$title = $nodes->item(0)->nodeValue;

我得到了这个ouput"•â€â€â€€â€â€«â€®ç¢ºèªï½ameba（•�•âtameba）"

网站URL：https：//user.ameba.jp/regist/registerintro.do?campaignid=0053&frmid=3051

请帮助我建议以任何语言获得确切的网站标题的建议。

//示例

    /*  MEthod----------4 */
 function file_get_contents_curl($url){
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_HEADER, 0);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
    $data = curl_exec($ch);
    curl_close($ch);
    return $data;
}
    $uurl="http://www.piaohua.com/html/xuannian/index.html";
    $html = file_get_contents_curl($uurl);
//parsing begins here:
$doc = new DOMDocument();
@$doc->loadHTML($html);
$nodes = $doc->getElementsByTagName('title');
//get and display what you need:
if(!empty($nodes->item(0)->nodeValue)){
$title = utf8_decode($nodes->item(0)->nodeValue);
}else{
    $title =$uurl;
}
echo $title;

Answer 1

通过将以下行添加到文件的开始

来确保您的脚本正在使用utf-8编码

    mb_internal_encoding('UTF-8');

这样做后，从代码中删除utf8_decode功能。没有它，一切都应该正常工作

[DOMDocument::loadHtml] 1功能从HTML页面元标记进行编码。因此，如果页面不典型地指定其编码，则可能会遇到问题。

Answer 2

只需在PHP代码的顶部添加此行。

header('Content-Type: text/html;charset=utf-8');

代码..

<?php
header('Content-Type: text/html;charset=utf-8');
function file_get_contents_curl($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_HEADER, 0);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
    $data = curl_exec($ch);
    curl_close($ch);
    return $data;
}
$html = file_get_contents_curl('http://www.piaohua.com/html/lianxuju/2013/1108/27730.html');
$doc = new DOMDocument();
@$doc->loadHTML($html);
$nodes = $doc->getElementsByTagName('title');
echo $title = $nodes->item(0)->nodeValue;