DomDocument et caractères spéciaux

C'est mon code:

$oDom = new DOMDocument();
$oDom->loadHTML("èàéìòù");
echo $oDom->saveHTML();

C'est la sortie:

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><p>&Atilde;&uml;&Atilde;&nbsp;&Atilde;&copy;&Atilde;&not;&Atilde;&sup2;&Atilde;&sup1;</p></body></html>

Je veux cette sortie:

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

J'ai essayé avec ...

$oDom = new DomDocument('4.0', 'UTF-8');

ou avec la 1.0 et d'autres choses, mais rien.

Autre chose ...
Il y a un moyen d'obtenir le même intacte HTML?
Par exemple avec ce code html dans l'entrée <p>hello!</p> obtenir le même résultat <p>hello!</p> DOMDocument à l'aide uniquement de l'analyse du DOM et de faire certaines substitutions à l'intérieur des balises.

source d'informationauteur Francesco Casula

  1. 34

    Solution:

    $oDom = new DOMDocument();
$oDom->encoding = 'utf-8';
$oDom->loadHTML( utf8_decode( $sString ) ); //important!

$sHtml = '<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">';
$sHtml .= $oDom->saveHTML( $oDom->documentElement ); //important!

    La saveHTML() méthode fonctionne différemment de la spécification d'un nœud.
    Vous pouvez utiliser le nœud principal ($oDom->documentElement) ajout de l'souhaité !DOCTYPE manuellement.
    Une autre chose importante est utf8_decode().
    Tous les attributs et les autres méthodes de la DOMDocument classe, dans mon cas, ne pas produire le résultat désiré.

  2. 5

    Essayer de définir le type d'encodage après que vous avez chargé le HTML.

    $dom = new DOMDocument();
$dom->loadHTML($data);
$dom->encoding = 'utf-8';
echo $dom->saveHTML();

    Autre façon

  3. 5

    Le problème semble être connu, selon les commentaires de l'utilisateur sur le page de manuel à php.net. Les Solutions proposées il y a notamment de mettre

    <meta http-equiv="content-type" content="text/html; charset=utf-8">

    dans le document avant de mettre de chaînes de caractères non ASCII caractères.

    Un autre hack suggère de mettre 

    <?xml encoding="UTF-8">

    comme le premier texte dans le document, puis l'enlever à la fin.

    Choses désagréables. Sent comme un bug pour moi.

  4. 0

    Ressemble, il vous suffit de définir substituteEntities lorsque vous créez l'objet DOMDocument.