Comment est-ce que je peux encoder html charset webpage de html comme chaîne et non comme dom?

Question

Comment puis-je obtenir un encodage de page Web html à partir de html comme chaîne et non comme dom?

Je récupère la chaîne html comme ça:

$html = file_get_contents($url); 
preg_match_all (string pattern, string subject, array matches, int flags) 

, mais je ne sais pas regex, et je dois trouver page Web charset (UTF-8/Windows 255/etc ..) Merci,

Answer 1

preg_match ('~ charset = ([- un z0-9 _] +) ~ i', $ html, $ charset);

Answer 2

vous pouvez utiliser

mb_detect_encoding($html); 

, mais il est généralement une mauvaise idée. Mieux vaut utiliser curl à la place et regarder l'en-tête Content-Type.

Answer 3

Première chose que vous devez vérifier l'en-tête de type de contenu.

//add error handling 
$f = fopen($url, "r"); 
$md = stream_get_meta_data($f); 
$wd = $md["wrapper_data"]; 
foreach($wd as $response) { 
    if (preg_match('/^content-type: .+?/.+?;\\s?charset=([^;"\\s]+|"[^;"]+")/i', 
      $response, $matches) { 
     $charset = $matches[1]; 
     break; 
    } 
} 
$data = stream_get_contents($f); 

Vous pouvez ensuite fallback sur l'élément meta. Cela a été répondu avant here.

version plus complexe de tête l'analyse syntaxique pour plaire au public:

if (preg_match('~^content-type: .+?/[^;]+?(.*)~i', $response, $matches)) { 
    if (preg_match_all('~;\\s?(?P<key>[^()<>@,;:\"/[\\]?={}\\s]+)'. 
      '=(?P<value>[^;"\\s]+|"[^;"]+")\\s*~i', $matches[1], $m)) { 
     for ($i = 0; $i < count($m['key']); $i++) { 
      if (strtolower($m['key'][$i]) == "charset") { 
       $charset = trim($m['value'][$i], '"'); 
      } 
     } 
    } 
}