На этот пост меня сподвигла неправильная (на мой взгляд работа fillin-фильтра в Symfony). Итак, поехали.
DOM - это мощный компонент PHP для работы с Document Object Model. Почитать о его возможностях можно здесь (php manual). Я же хочу заострить внимание на том, что это расширение, в отличии от SimpleXML, например, может работать как с HTML, так и с XML.
DomDocument - один из классов компонента DOM, который отвечает за полный XML или HTML-документ.
И вот хотелось бы поговорить и показать, как этот DomDocument работает с кодировками и символами, отличными от латиницы.
Для начала - небольшое отступление: DomDocument я создаю вот так: new DomDocument('1.0', 'UTF-8'), указывая в качестве кодировки (”The encoding of the document as part of the XML declaration.”) UTF-8, так как, судя по моему опыту - указание кодировки здесь не дает вообще ничего.
Рассказывать тут особо нечего, поэтому я приведу код и результаты, а потом их проанализирую.
Весь текст в скриптах в кодировке UTF-8.
Код класса “тестов”
class Test_DomDocument_HTML_Charset {
protected $dom;
protected $html =
'<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN" "http://www.w3.org/TR/html4/frameset.dtd">
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=UTF-8">
<title>Тестовая страничка</title>
</head>
<body>
<p>Привет</p>
</body>
</html>';
protected $html_without_charset =
'<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN" "http://www.w3.org/TR/html4/frameset.dtd">
<html>
<head>
<title>Тестовая страничка</title>
</head>
<body>
<p>Привет</p>
</body>
</html>';
protected function checkTestFunction($function)
{
return (strpos($function, 'test') === 0);
}
public function execute($callback) {
$functions = get_class_methods(get_class($this));
$functions = array_filter($functions, array($this, 'checkTestFunction'));
foreach($functions as $function) {
$this->setUp();
$result = $this->$function();
$callback($result, $function);
$this->tearDown();
}
}
protected function setUp() {
$this->dom = new DomDocument('1.0', 'UTF-8');
}
protected function tearDown() {
}
/**
* Возвращает кодировку документа.
* Используется документ, в котором не указана кодировка.
*
* @return string
*/
protected function testWithoutCharset() {
$this->dom->loadHTML($this->html_without_charset);
return $this->dom->encoding;
}
/**
* Возвращает документ, после обработки его DomDocument'ом.
* Используется документ, в котором не указана кодировка.
*
* @return string
*/
protected function testWithoutCharsetHtml() {
$this->dom->loadHTML($this->html_without_charset);
return $this->dom->saveHTML();
}
/**
* Возвращает кодировку документа.
* Используется документ, в котором указана кодировка.
*
* @return string
*/
protected function testWithCharset() {
$this->dom->loadHTML($this->html);
return $this->dom->encoding;
}
/**
* Возвращает документ, после обработки его DomDocument'ом.
* Используется документ, в котором указана кодировка.
*
* @return string
*/
protected function testWithCharsetHtml() {
$this->dom->loadHTML($this->html);
return $this->dom->saveHTML();
}
}Код, показывающий результаты
function echoHTMLResult($result, $function)
{
echo "<h3>$function</h3>\n";
echo '<pre><code>';
if(is_string($result))
$result = str_replace('<', '<', str_replace('>', '>', $result));
var_dump($result);
echo '</code></pre>';
}<?php $test = new Test_DomDocument_HTML_Charset(); ?>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN" "http://www.w3.org/TR/html4/frameset.dtd">
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=UTF-8">
<title>Тестовая страничка</title>
</head>
<body>
<?php $test->execute('echoHTMLResult') ?>
</body>
</html>Результаты
Выводы
Как можно понять из результатов - кодировка документа при использовании HTML определяется исключительно через тег meta, а точнее - через charset, который там указан:
<meta http-equiv="Content-type" content="text/html; charset=UTF-8">При отсутствии указанного тега/charset’а в нём - $dom->encoding будет равен NULL (что можно с успехом использовать).
В общем-то всё, в ближайшие дни еще будет статья про кодировку в XML-документах, где всё немного интереснее.
Последние комментарии