Encoding mismatch mit DOMDocument::saveHTML

[Sesquialtera]

Hallo,
ich habe folgendes hartnäckige Problem:

aus einem HTML file "content.html" soll der Inhalt (innerHTML) eines Tags ausgelesen werden. Das ganze soll im PHP-File "main.php" vor sich gehen. Ich habe dazu die DOMDocument Class (libxml2) verwendet.

Im 'main.php' wird als das html File eufgerufen und der Dokumentbaum an libxml2 übergheben:

  
$dom->loadHTMLFile("content.html");  

Ich greife auf das gewünschte DOMElement zu und lese rekursiv alle Subelements in des neue $tmp_dom = new DOMDocument('1.0','utf-8'); ein.
Bei der Ausgabe in 'main.php' per echo $tmp_dom->saveHTML(); werden alle Umlaute in der falschen Kodierung ausgelesen und nicht richtig dargestellt.

Beide files sind als utf-8 kodiert, in der 'main.php' ist dies auch dekalariert (<meta http-equiv="content-type" content="text/html;charset=utf-8">.

Wenn ich 'content.html' mit iconv in 'latin-1' verwandle, stimmt der Output von echo $tmp_dom->saveHTML();!

Versteht DOMDocument::loadHTML/saveHTML kein UTF-8? Ich möchte nicht auf latin-1 umsteigen müssen, da ich seit langem alle Apps auf UTF-8 konvertiert habe.

Weiß jemand Abhilfe?

Vielen Dank fürs Posten!!
Franz

[jobo]

Hallo,

Bei der Ausgabe in 'main.php' per echo $tmp_dom->saveHTML(); werden alle Umlaute in der falschen Kodierung ausgelesen und nicht richtig dargestellt.

Naja, "ausgelesen"? "Ausgegeben" oder? Du meinst, DOM gibt latin aus, obwohl du es mit utf-8 initialisiert hast? Glaub ich nicht wirklich.

Gruß

jobo

[sesquialtera]

Hallo,

Bei der Ausgabe in 'main.php' per echo $tmp_dom->saveHTML(); werden alle Umlaute in der falschen Kodierung ausgelesen und nicht richtig dargestellt.

Naja, "ausgelesen"? "Ausgegeben" oder? Du meinst, DOM gibt latin aus, obwohl du es mit utf-8 initialisiert hast? Glaub ich nicht wirklich.

Gruß

jobo

Hm, probier bitte mal den Test:

  
$txt = "<div>wäüÜoß</div>";  
$dom2->loadHTML($txt);  
echo $dom2->saveHTML();

Wenn das PHP-File mit diesem Code utf-8 kodiert (:filencoding=utf8) ist, ergibt das echo Müll, wenn du es latin-1 (:filencoding=latin1) kodierst, kommen korrekte deutsche Sonderzeichen !

Gruß, Franz

[ChrisB]

Hi,

Bei der Ausgabe in 'main.php' per echo $tmp_dom->saveHTML(); werden alle Umlaute in der falschen Kodierung ausgelesen und nicht richtig dargestellt.

Hast du probiert, die verwendete Kodierung beim Erstellen der DOMDocument-Instanz mal explizit zu setzen?

MfG ChrisB

[sesquialtera]

Hi,

Bei der Ausgabe in 'main.php' per echo $tmp_dom->saveHTML(); werden alle Umlaute in der falschen Kodierung ausgelesen und nicht richtig dargestellt.

Hast du probiert, die verwendete Kodierung beim Erstellen der DOMDocument-Instanz mal explizit zu setzen?

MfG ChrisB

  
$dom = new DOMDocument('1.0','utf-8');  
$dom->loadHTMLFile("content.html");  

hätte ich versucht.

Danke. Franz

[ChrisB]

Hi,

$dom = new DOMDocument('1.0','utf-8');
$dom->loadHTMLFile("content.html");

> hätte ich versucht.  
  
Was ergibt die Kontrollausgabe von $dom->encoding nach dem Laden des HTML-Dokumentes?  
  
MfG ChrisB  
  

-- 
“Whoever best describes the problem is the person most likely to solve the problem.” [Dan Roam]

[sesquialtera]

Hi,

$dom = new DOMDocument('1.0','utf-8');
$dom->loadHTMLFile("content.html");

> > hätte ich versucht.  
>   
> Was ergibt die Kontrollausgabe von $dom->encoding nach dem Laden des HTML-Dokumentes?  
>   
> MfG ChrisB  
>   
>   

Danke. Diese Eigenschaften  $dom->encoding, $dom->actualEncoding etc. waren alle "" solange im Quelldokument 'content.html' nicht die Mata info `<meta http-equiv="content-type" content="text/html; charset=utf-8"/> `{:.language-html} stand.  
  
Siehe auch mein [SOLVED] Kommentar.  
  
Danke für eure Antworten und hzl. Gruß,  
Franz

[sesquialtera]

Beide files sind als utf-8 kodiert, in der 'main.php' ist dies auch dekalariert (<meta http-equiv="content-type" content="text/html;charset=utf-8">.

[SOLVED] im xhtml File 'content.html' hatte im header die Angabe
<meta http-equiv="content-type" content="text/html; charset=utf-8"/> gefehlt (Oxygen schreibt das nicht per default hin).

Erst mit dieser Ergänzung liest und verarbeitet die DOMDocument Klasse das File als utf-8, sonst standardmäßig offenbar latin-1.

Danke fürs Mitdenken!
Hrzl. Grüße, Franz