PHP - html_simple_dom，爬虫编码innerhtml？

Question

我使用 PHP html_simple_dom。

目标站点使用 UTF-8。我的 php 以及流上下文都设置为使用 UTF 8。

一个元素（我通过浏览器检查）的 innerHTML 为"AAA ' BBB"，至少在使用我的 firefox 和 chrome 浏览器进行渲染时是这样。

但是，我的 PHP 脚本总是将该字符串作为"AAA ' BBB". 我可以使用 htmlspecialchars_decode($string, 1) 来解决这个问题，但我真的很想知道为什么 PHP 脚本，或者更确切地说是网站在使用我的 PHP 访问它时首先（“错误地）编码字符串，这是明确的设置为 UTF

header('Content-Type: text/html; charset=utf-8');

define("CONTEXT", stream_context_create(

    array(

        "http" =>

            array(

                "header" => 'Content-Type: text/html; charset=utf-8'

               // also tried 'header' => 'Accept-Charset: UTF-8'

            )

        )

)

);

目标站点读取 UTF-8 - http://mtggoldfish.com.cutercounter.com/

$html = file_get_html($url, false, CONTEXT);

// do things, blurts out every "'" as encoded &#039

Answer 1

浏览器检查器进行了一些转换以具有人类可读的内容。创建一个仅AAA ' BBB在正文中使用的简单 HTML ，您将AAA ' BBB在检查器中看到。如果你真的想看页面的内容，看源代码（这是什么file_get_html得到的）