21. září bude sraz! Od 18.00 v restauraci Tradice v Praze u Anděla
Autor Zpráva
Malex
Profil
Zdravím, snažím se propojit ligovou tabulku mezi dvěma weby, pomocí PHP Simple HTML DOM Parser.
Mám kód
include('simple_html_dom.php');

$url = file_get_html('http://www.sipky.org/cs/uso/s/liga/?action=home&league_id=93448');

$rozpis = array();
foreach($url->find('div.table') as $cast){

$rozpis[]= $cast;}
print($rozpis[0]);

$url->clear();
unset($url);

Na vstupu je tabulka viz foto (kódování stránek windows-1250)

Na výstupu ta samá (kódování stránek utf-8), jen u odkazů je rozházené kódování, pokud použiji $cast = iconv("utf-8","windows-1250", $cast); tak odkazy( týmy) jsou v pořádku, ale u ostatního se rozhází kódování.


Děkuji za rady.
juriad
Profil
Simple HTML DOM Parser asi omylem provádí nějaké změny kódování. Pro jeho správnou funkčnost se nejspíš předpokládá, že vše je v UTF-8.
Nezbyde ti asi nic jiného než stránku napřed stáhnout, překódovat ji pomocí iconv a až potom předhodit str_get_html.

$str = file_get_contents('...'); # nebo nějak jinak
$str = iconv("windows-1250", "utf-8",$str); # windows-1250 -> utf-8
$url = str_get_html($str);

Všimni si, že tobě jako „oprava“ „funguje“ opačný směr převodu z utf-8 na windows-1250.
Malex
Profil
Díky, tvoje rada pomohla.
P.S. Ta "oprava" když jsem jí dal ve směru windows-1250 -> utf-8, tak bylo vše rozházené.
Takže hledat v tom DOMu.
    // PaperG - Function to convert the text from one character set to another if the two sets are not the same.
    function convert_text($text)
    {
        global $debug_object;
        if (is_object($debug_object)) {$debug_object->debug_log_entry(1);}

        $converted_text = $text;

        $sourceCharset = "";
        $targetCharset = "";

        if ($this->dom)
        {
            $sourceCharset = strtoupper($this->dom->_charset);
            $targetCharset = strtoupper($this->dom->_target_charset);
        }
        if (is_object($debug_object)) {$debug_object->debug_log(3, "source charset: " . $sourceCharset . " target charset: " . $targetCharset);}

        if (!empty($sourceCharset) && !empty($targetCharset) && (strcasecmp($sourceCharset, $targetCharset) != 0))
        {
            // Check if the reported encoding could have been incorrect and the text is actually already UTF-8
            if ((strcasecmp($targetCharset, 'UTF-8') == 0) && ($this->is_utf8($text)))
            {
                $converted_text = $text;
            }
            else
            {
                $converted_text = iconv($sourceCharset, $targetCharset, $text);
            }
        }

        // Lets make sure that we don't have that silly BOM issue with any of the utf-8 text we output.
        if ($targetCharset == 'UTF-8')
        {
            if (substr($converted_text, 0, 3) == "\xef\xbb\xbf")
            {
                $converted_text = substr($converted_text, 3);
            }
            if (substr($converted_text, -3) == "\xef\xbb\xbf")
            {
                $converted_text = substr($converted_text, 0, -3);
            }
        }

        return $converted_text;
    }

    /**
    * Returns true if $string is valid UTF-8 and false otherwise.
    *
    * @param mixed $str String to be tested
    * @return boolean
    */
    static function is_utf8($str)
    {
        $c=0; $b=0;
        $bits=0;
        $len=strlen($str);
        for($i=0; $i<$len; $i++)
        {
            $c=ord($str[$i]);
            if($c > 128)
            {
                if(($c >= 254)) return false;
                elseif($c >= 252) $bits=6;
                elseif($c >= 248) $bits=5;
                elseif($c >= 240) $bits=4;
                elseif($c >= 224) $bits=3;
                elseif($c >= 192) $bits=2;
                else return false;
                if(($i+$bits) > $len) return false;
                while($bits > 1)
                {
                    $i++;
                    $b=ord($str[$i]);
                    if($b < 128 || $b > 191) return false;
                    $bits--;
                }
            }
        }
        return true;
    }
    /*
    function is_utf8($string)
    {
        //this is buggy
        return (utf8_encode(utf8_decode($string)) == $string);
    }
    */
jasom
Profil
juriad:
Simple HTML DOM Parser asi omylem provádí nějaké změny kódování. Pro jeho správnou funkčnost se nejspíš předpokládá, že vše je v UTF-8.
Nezbyde ti asi nic jiného než stránku napřed stáhnout, překódovat ji pomocí iconv a až potom předhodit str_get_html.


Nádhera juriad, presne toto som potreboval!

Vaše odpověď

Mohlo by se hodit


Prosím používejte diakritiku a interpunkci.

Ochrana proti spamu. Napište prosím číslo dvě-sta čtyřicet-sedm:

0