文件获取内容检索问题菱形字符

Question

我使用 file_get_contents 函数创建了我的抓取工具，但是当我抓取某些网站时，我得到了这个字符：� 而我应该得到这个：é。关于正在发生的事情的一些想法？

这适用于 windows vps 服务器运行 php。

我已经试过了：

file_get_contents() Breaks Up UTF-8 Characters

但是所有这些都不起作用。

PD：我所在的文件运行此代码在 UTF8 上。

    $url = "https://play.google.com/books/reader?id=4rqYDwAAQBAJ&hl=en_US";
    $options = array('http'=>array('method'=>"GET", 'header'=>"Accept-language: en-US,en;q=0.8\r\n" ."Accept-Charset: UTF-8, *;q=0"));
            $context = stream_context_create($options)
            $profile = file_get_contents($url,false,$context);
echo $profile

我希望得到重音字符而不是这个菱形字符 �.

Answer 1

Google 忽略了您的 Accept-Charset header 因为您没有指定 User-Agent，不知道为什么。我花了一个小时才弄明白。调整您的选项如下：

$options = [
    "http" => [
        "method" => "GET",
        "header" => "Accept-language: en-US,en;q=0.8\r\n" .
                    "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:68.0) Gecko/20100101 Firefox/68.0\r\n" .
                    "Accept-Charset: UTF-8, *;q=0"
              ]
];

添加 "User-Agent" header 似乎可以解决问题。如果没有，Google 可能会返回不同的编码。

文件获取内容检索问题菱形字符

File get contents retrieve question diamonds characters

php

html

file

character-encoding

file-get-contents