不能在標題解碼HTML實體

我無法從這個YouTube視頻解碼標題實體

http://www.youtube.com/watch?v=p7NMsywVQhY

這裏是我的代碼：

$url = 'http://www.youtube.com/watch?v=p7NMsywVQhY'; 
$html = @file_get_contents($url); 
$doc = new DOMDocument(); 
@$doc->loadHTML($html); 

$nodes = $doc->getElementsByTagName('title'); 
$title = $nodes->item(0)->nodeValue; 

//decode the '&#x202a;' in the title 
$title = html_entity_decode($title,ENT_QUOTES,'UTF-8'); //does not seem to have any effect 
//decode the utf data 
$title = utf8_decode($title);

$標題返回一切很好，除了返回問號‪最初是在標題中。

謝謝。

來源

2011-05-26 Alex

Êa;是unicode中的「從左到右嵌入」，它不應該是可打印的字符。 – 2011-05-26 21:56:40

好的，那麼我怎樣才能從字符串中刪除這些類型的代碼？ – Alex 2011-05-26 22:06:10

搜索和替換可能是最好的選擇。 – 2011-05-26 22:06:38

試試這個強制正確檢測字符集：

$doc = new DOMDocument(); 
@$doc->loadHTML('<?xml encoding="UTF-8">' . $html); 

$nodes = $doc->getElementsByTagName('title'); 
$title = $nodes->item(0)->nodeValue; 

echo $title;

來源

2011-05-26 22:01:31 Mike

如果文件不是UTF-8，這會搞砸編碼？ – Alex 2011-05-26 22:04:49

這實際上工作得很好。謝謝。 – Alex 2011-05-26 22:24:17

我不知道PHP提供的任何功能，要做到這一點，但是你可以使用preg_replace這樣的：

$string = preg_replace('/&#x([0-9a-f]+);/ei', 'chr(hexdec("$1"))', $string);

來源

2011-05-26 21:58:25 MatTheCat

這似乎沒有做任何事情 – Alex 2011-05-26 22:05:11

有了這段代碼，我得到了「*」爲＆＃x202a;不是嗎？ – MatTheCat 2011-05-26 22:06:56

嗯，當我申請這個正則表達式的問號仍然在字符串 – Alex 2011-05-26 22:08:24

不能在標題解碼HTML實體

回答

相關問題