PHPのDOMDocumentがHTMLロード後に文字化けの対応

php
development

問題点：PHPのDOMDocumentが日本語文字列をロード後に文字化けが発生しました

  • 環境：PHP5.6、default_charset:utf-8
  • DOMDocumentのloadHTMLメッソードで日本語文字列を読み込め、saveHTMLで読み込んだ文字列が文字化けになっていることが分かりました 
    $doc = new DOMDocument();
@$doc->loadHTML( $result );  // ＄ｒｅｓｕｌｔが日本語文字列
echo $doc->saveHTML();  // 文字化けの文字列が表示され

    ＰＨＰのDOMDocumentが日本語文字列読み込んでから文字化けになる

原因：不明（おそらくｐｈｐの設定）

  • 同じコードでＬｉｎｕｘとWindows環境でテストしてみたが、Windows環境は問題はありませんでした
  • ＬｉｎｕｘとWindowsのphpバージョン、mb_stringの設定は同じです
  • なぜLinux上で文字化け発生したかは不明です

解決：DOMDocumentが日本語を読み込む時に文字コードを指定します

  • DOMDocumentが生成した時に文字コード指定したが、失敗しました（依然文字化け） 
    @$doc->loadHTML('<meta http-equiv="Content-Type" content="text/html; charset=utf-8">' . $result);

結論：DOMDocumentがHTMLソースを読み込む時に文字コード指定があれば安全です

  • 今回の文字化け例は文字列（HTMLソース）にHTMLのhead部分がありませんでした（charset=utf-8の設定が欠けている）
  • DOMDocumentが文字列を読み込む時に、HTMLのcharsetより文字コードを扱っているようです