0
$content = file_get_contents($Url);
preg_match_all('#<title>.+</title>#', $content, $matches);
$title = preg_replace('#(<title>|</title>)#', '', $matches[0][0]);

Таким способом получаю заголовок из URL. Проблема в том, что не у всех сайтов одна и та же кодировка, из большинства сайтов получается извлечь заголовок, а вот у остальных нет, выводит ромбы с вопросительным знаков, в бд и вовсе не записывает. Пытался перевести полученную строку в UTF-8, но пока безрезультатно.

3 ответа 3

1
  1. Определите кодировку функцией mb_detect_encoding().

  2. Преобразуйте например в UTF-8 функцией mb_convert_encoding()

  3. Затем парсите регуляркой с модификатором u - utf-8.

Этот модификатор включает дополнительную функциональность PCRE, которая не совместима с Perl: шаблон и целевая строка обрабатываются как UTF-8 строки.

preg_match_all('#<title>.+?</title>#isu', $content, $matches);

0

Для начала Вам нужно определиться в какой кодировке Вы будете хранить страницы.

Потом Вам нужно определить кодировку скачанной страницы

Если кодировки отличаются - вызвать функцию iconv()

0

Проблему решил следующим образом: Определил кодировку страницы по url

preg_match_all('#charset=.+"#', $content, $array);
$charset = preg_replace('#(charset=|")#', '', $array[0][0]);

Но этот код не универсальный, т к не все страницы именно так указывают кодировку. Затем, преобразовал строку в нужную кодировку

$newtitle = iconv($charset, "UTF-8", $title);

Конечно код не идеальный, но процент успешного извлечения заголовков значительно повысился.

Ваш ответ

Нажимая на кнопку «Отправить ответ», вы соглашаетесь с нашими условиями использования и подтверждаете, что прочитали и поняли наши политику конфиденциальности и нормы поведения.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.