2012年6月 4日

[PHP-users 35722] Re:DOMDocumentの文字化けに悩んでおります

MugeSoさん、ご返答ありがとうございます。

リンクありがとうございます。

>素のlibxml2はsjisは扱えません
というのが自分には分かりませんでした。


iconvは
php.iniで確認すると、
iconv support enabled
iconv.input_encoding UTF-8 UTF-8
iconv.internal_encoding ISO-8859-1 ISO-8859-1
iconv.output_encoding ISO-8859-1 ISO-8859-1

となっております。
有効にはなっていると思うのですが、
internal_encodingなどが影響があるのでしょうか?

"MugeSo"<mugeso@xxxxx> wrote:
> MugeSoです。
>
> ちょうど先日、hnwさんがPHP勉強会@東京で発表されていた話題ですね。
> http://www.slideshare.net/hnw/php-13085852
>
> 上記スライドに書いてあるようにDOMDocumentでの文字コード処理にmb_*は関係
> ありません。
> また、素のlibxml2はsjisは扱えません。
> iconvが入っていればあるいはうまくいくかもしれませんよ。
>
>
> (2012/06/03 1:21), yk_mailing@xxxxx wrote:
> > cURLでサイトから文章を取得してきて、
> > HTMLをDOMDocumentにて必要な部分だけを抽出する、
> > という事をしたいと考えているのですが、文字化けします。
> > 以下の$target_urlはShift_JISにて書かれているようですが、mb_convert_encoding()を使ってもダメです。
> > この一連の操作で、いつも文字化けに悩まされます。
> >
> > 自分のPHPスクリプトの問題もあるかもしれませんし、PHP_cURLの方にそもそも問題があるのかもしれませんし、もしくは自分のphp.iniの方に問題があるのかもしれません。
> > どのようにすれば解決できるのでしょうか?
> > ご教授頂けたらと思います。
> > 宜しくお願いします。
> >
> >
> > 実際のコードとは違うので、もしかしたら間違いがあるかもしれません。
> > PHP5.3
> > Windows7 64bit
> >
> >
> > <?php
> > error_reporting(E_ALL | E_STRICT);
> > define('DS', DIRECTORY_SEPARATOR);
> > define('PS', PATH_SEPARATOR);
> > require_once 'lib' . DS . 'simplecURL.php';
> > mb_detect_order('eucJP-win,UTF-8,SJIS-win,jis');
> >
> > /**
> > * $top_urlから各記事のURLが取得できない。
> > * 仕方がないので他サイトの日付を使う
> > * (↑自分 http://cgi2.nhk.or.jp/e-news/index.cgiから同様の処理をして取っています)
> > */
> >
> > if (isset($_POST['abc']))
> > {
> > $site_name = "abc";
> > $target_url = "http://www.nhk.or.jp/worldwave/abc/popup/abc120423.html";
> > $body_xPath_en = "//p[@class="en"]/text()";
> > $body_xPath_ja = "//div[@class="paragraph clearfix"]//p[@class="ja"]/text()"
> > $body_xPath_ex = "//p[@class="comment"]//text()";
> > $text = get_text($target_url, $body_xPath_en, $body_xPath_ja, $body_xPath_ex);
> > var_dump($text);
> > }
> >
> > function get_text ($target_url, $body_xPath_en, $body_xPath_ja, $body_xPath_ex)
> > {
> > /**
> > * 以下のSimplecURL class http://www.php.net/manual/ja/curl.examples-basic.php
> > * それほど変わりません。
> > * set_option()を色々付けているだけです。
> > */
> > $http = new SimplecURL($target_url);
> > $html = $http->execute();
> > $doc = new DOMDocument();
> > @$doc->loadHTML($html);
> > $xpath = new DOMXPath($doc);
> >
> > $extracts = $xpath->query($body_xPath_en);
> > $abc_pattern1 = "|</?(br|span).*?>|i";
> > foreach ($extracts as $value)
> > {
> > $result = trim($value->nodeValue);
> > $result = preg_replace($abc_pattern1, '', $result);
> > $results["en"][] = trim($result);
> > }
> >
> > $extracts = $xpath->query($body_xPath_ja);
> > foreach ($extracts as $value)
> > {
> > $result = trim($value->nodeValue);
> > $result = mb_convert_encoding($result, 'UTF-8', 'Shift-JIS');
> > $results["ja"][] = $result;
> > }
> >
> > $extracts = $xpath->query($body_xPath_ex);
> > foreach ($extracts as $value)
> > {
> > $result = trim($value->nodeValue);
> > $result = mb_convert_encoding($result, 'UTF-8', 'Shift-JIS');
> > $results["ex"][] = $result;
> > }
> > return $results;
> > }
> > _______________________________________________
> > PHP-users mailing list PHP-users@xxxxx
> > http://ml.php.gr.jp/mailman/listinfo/php-users
> > PHP初心者のためのページ - 質問する前にはこちらをお読みください
> > http://oldwww.php.gr.jp/php/novice.php3
> >
>
> _______________________________________________
> PHP-users mailing list PHP-users@xxxxx
> http://ml.php.gr.jp/mailman/listinfo/php-users
> PHP初心者のためのページ - 質問する前にはこちらをお読みください
> http://oldwww.php.gr.jp/php/novice.php3
>
Yoshi Saito
_______________________________________________
PHP-users mailing list PHP-users@xxxxx
http://ml.php.gr.jp/mailman/listinfo/php-users
PHP初心者のためのページ - 質問する前にはこちらをお読みください
http://oldwww.php.gr.jp/php/novice.php3


投稿者 xml-rpc : 2012年6月 4日 00:20
役に立ちました?:
過去のフィードバック 平均:(0) 総合:(0) 投票回数:(0)
本記事へのTrackback: http://hoop.euqset.org/blog/mt-tb2006.cgi/110840
トラックバック
コメント
コメントする




画像の中に見える文字を入力してください。