DOMDocument кодировка при сохранении в HTML

PHP поддерживает работу с классом DOMDocument, но есть некоторые особенности, которые требуют внимания. Одна из них — это html кодирование символов, если вы не укажете в заголовке документа мета информацию о кодировке.

Рассмотрим пример:

<?php
$doc = new DomDocument('1.0', 'UTF-8');
$file = @$doc->loadHTML('Это мой <i>документ</i> в HTML');
echo @$doc->saveHTML();
?>

<?php

$doc = new DomDocument('1.0', 'UTF-8');

$file = @$doc->loadHTML('Это мой документ в HTML');

echo @$doc->saveHTML();

В зависимости от того, в какой кодировке был ваш текст, получится разный результат. Вот пример, когда ваш текст был в win-1251:

<span class="html-tag"><p></span>&Yacute;&ograve;&icirc; &igrave;&icirc;&eacute; 
<span class="html-tag"><i></span>&auml;&icirc;&ecirc;&oacute;
&igrave;&aring;&iacute;&ograve;<span class="html-tag"></i></span> &acirc; HTML<span class="html-tag"></p></span>

Ýòî ìîé

äîêó

ìåíò â HTML

А вот пример для исходного текста в UTF-8:

<span class="html-tag"><p></span>&ETH;&shy;&Ntilde;&#130;&ETH;&frac34; &ETH;&frac14;&ETH;&frac34;
&ETH;&sup1; <span class="html-tag"><i></span>&ETH;&acute;&ETH;&frac34;&ETH;&ordm;&Ntilde;&#131;
&ETH;&frac14;&ETH;&micro;&ETH;&frac12;&Ntilde;&#130;<span class="html-tag"></i></span> &ETH;&sup2; HTML<span class="html-tag"></p></span>

ÐÑÐ¾ Ð¼Ð¾

Ð¹ Ð´Ð¾ÐºÑ

Ð¼ÐµÐ½Ñ Ð² HTML

Видно, что кириллические символы представлены в виде 16ти-ричных HTML кодов.

Почему вывелась не исходная кириллица, а была произведена перекодировка? Произошло это от того, что программа не знает, какая кодировка должна быть у документа — она ведь не указана. Для функции saveHTML() её нужно указать в секции документа head, как meta-тэг:

<?php
$doc = new DomDocument('1.0', 'UTF-8');
$file = @$doc->loadHTML('<head>
  <meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
</head>' . 'Это мой <i>документ</i> в HTML');
echo @$doc->saveHTML();
?>

<?php

$doc = new DomDocument('1.0', 'UTF-8');

$file = @$doc->loadHTML('<head>

</head>' . 'Это мой документ в HTML');

echo @$doc->saveHTML();

Если указанная кодировка в meta совпадает с кодировкой текста, то вы получите на выходе:

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8"></head>
<body><p>Это мой <i>документ</i> в HTML</p></body></html>

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">

<body>Это мой документ в HTML</body></html>

Написать комментарий

Данная запись опубликована в 20.12.2016 17:13 и размещена в рубрике PHP. Вы можете перейти в конец страницы и оставить ваш комментарий.

Мало букафф? Читайте есчо !

XML парсер в массив на PHP

Сентябрь 19, 2015 г.

По идее столько всего понаписано, чего огород то городить? От случая к случаю, конечно, пользуюсь библиотеками PHP. Но вместе с этим, есть объективные ...

Читать

Импортируем изображения через wysiwyg

Декабрь 27, 2014 г.

Речь пойдет о небольшой задачке, которая постоянно всплывает при переносе данных со старых сайтов на новые. Т.е. новый сайт уже готов, но есть старый, на котором какое то количество статей, требующих аккуратного переноса, при чем они содержат картинки. ...

Читать

Разбить строку на буквы в PHP

Январь 13, 2017 г.

Это задача - классика алгоритмов. В каждом языке программирования есть свои особенности. Для паскаля, к примеру, строка - это массив символов, потому ...

Читать

Антиспам с использованием Javascipt для WordPress, обходимся без Captcha

Апрель 12, 2013 г.

О сути метода я рассказываю здесь - Бегство от спама. Для работы понадобится hook на новые комментарии - pre_comment_approved, который мы объявим в файле темы - function.php. Если в вашей теме нет такого файла - создайте :). Нужно модифицировать всего ...

Читать

Комментарии к «DOMDocument кодировка при сохранении в HTML»

Понравилась статья? Есть вопросы? - пишите в комментариях.

Имя (обязательно)	Е-майл (не будет опубликован на сайте, обязательно для заполнения)
Комментарий: