PHPのDOMDocumentで取り込んだhtml日本語を出力する際に文字化け

php
development
html

PHPのDOMDocumentで取り込んだ日本語htmlを出力するときに文字化けとなります

  • 作業環境：Windows10、Apache2.4、PHP5.6、html文字コードはUTF-8
  • DOMDocumentで日本語のhtmlコードを取り込んで、特定なタグ（例：h2）の内容を取得し、出力します 
    $html_str = "<h2>テスト文言</h2>";          // テスト文字列
$doc = new DOMDocument();
libxml_use_internal_errors(true);
$doc->loadHTML( $html_str );                // DOMDocumentに取り込む
$h2 = $doc->getElementsByTagName('h2');     // h2タグエレメント取得
echo $h2[0]->nodeValue;                     // 出力
  • 出力すると、文字化けになります

原因：DOMDocument::loadHTMLの初期エンコードはISO-8859-1になっています

  • 英文の場合に問題はないですが、日本語を取り込むときにUTF-8の文字コードを指定する必要があります（ mb_convert_encoding） 
    $html_str = "<h2>テスト文言</h2>";
$doc = new DOMDocument();
libxml_use_internal_errors(true);
$doc->loadHTML( mb_convert_encoding($html_str, 'HTML-ENTITIES', 'UTF-8') );
$h2 = $doc->getElementsByTagName('h2');
echo $h2[0]->nodeValue;
  • 上記コードで出力すると文字化け問題は解消されます