PHP DOMDocument - 为什么破折号“–”转换为“” - PHP DOMDocument - why is en dash "–" converted to â€“

PHP DOMDocument - why is en dash "–" converted to â€“

我正在使用DOMDocument来提取一些段落。

以下是我正在启动的初始 htm 文件的样子：

<html>
    <head>
        <title>Toxins</title>
    </head>
    <body>
        <p class=8reference><span>1.</span><span>Sivonen, K.; Jones, G. Cyanobacterial Toxins. In <i>Toxic Cyanobacteria in Water. A Guide to Their Public Health Consequences, Monitoring and Management</i>; Chorus, I., Bartram, J., Eds.; E. and F.N. Spon: London, UK, 1999; pp. 41–111.</span></p>
    </body>
</html>

当我在做：

$dom_input = new 'DOMDocument("1.0","UTF-8");
$dom_input->encoding = "UTF-8";
$dom_input->formatOutput = true;
$dom_input->loadHTMLFile($manuscript->getUploadRootDir().$manuscript->getFileName());
$paragraphs = $dom_input->getElementsByTagName('p');
foreach ($paragraphs as $paragraph) {
    if($paragraph->getAttribute('class') == "8reference") {
        var_dump($paragraph->nodeValue);
    }
}

从"第 41–111 页"的破折号转换为

pp. 41â€“111

知道为什么以及如何修复它以获取 utf8 unicode 值吗？

提前谢谢你。

在我看来

，数据是正确的，你只是显示不正确。

您是否使用 UTF-8 输出？

Ã + 事物是经典的"显示 UTF-8 编码数据，就好像它不是 UTF-8 一样。

例如如果要输出到 Web 浏览器，请尝试使用元标记设置字符集。例如

<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">

如果您需要以 UTF-8 以外的内容输出，则需要先转换为替代字符集。

使用 PHP fputcsv() 生成 CSV 文件时。在将数据插入到fputcsv()之前使用此选项

$data = mb_convert_encoding($data, 'cp1252', 'utf-8');
fputcsv($file, $data);

这肯定会在生成 CSV 时停止将破折号转换为â€"。