代码如下:
<?php$url = "http://zhidao.baidu.com/link?url=pTwcJotQ02pjg-mjCnc-fkw8ONOY9x8q0ESrCFhdVJy47agZnDnCb-BCAtngRGDt9yi0TvleSS_w0aPj8Vsk0atVkVhNYdZADN0kv0BzNau";echo fopen_url($url);function fopen_url($url) { if (function_exists('curl_init')) { $curl_handle = curl_init(); curl_setopt($curl_handle, CURLOPT_URL, $url); curl_setopt($curl_handle, CURLOPT_CONNECTTIMEOUT,2); curl_setopt($curl_handle, CURLOPT_RETURNTRANSFER,1); curl_setopt($curl_handle, CURLOPT_FAILONERROR,1); curl_setopt($curl_handle, CURLOPT_TIMEOUT,2); $file_content = curl_exec($curl_handle); $encode = mb_detect_encoding($file_content, array("ASCII","UTF-8","GB2312","GBK","BIG5")); if($encode != "UTF-8") { $file_content = mb_convert_encoding($file_content, "UTF-8", $encode); //$file_content = iconv($encode,'utf-8//IGNORE',$file_content); } curl_close($curl_handle); } else { $file_content = ''; } return $file_content; }?>
个别字符竟然会乱码!奇怪,请看图
这什么原因造成的?
上面的代码貌似有误啊,原页面明明是GB2312 缺判断出是CP936,无语啊
请帮忙看看上面代码是不是需要完善一下
非常感谢!
回复讨论(解决方案)
另外还有个别页面竟然curl_init回来是空白的数据,要多刷新几次才显示,参数值设置有问题?
返回的数据中有:
根据他就可知道页面编码
没有时才需要编程判断
mb_detect_encoding 判断常有失误,所以又增加了 mb_check_encoding 函数
数据片段
没理由出现非法字符
CP936 是 GBK 的国际称谓
第一个问题,不是乱码,那是图片,curl抓取百度页面,会特意把某些文字转换成图片,防抓取。你查看网页元素,你就会发现,那些乱码其实是百度的图片地址。
第二个问题,你把超时时间设置大点,就好了,可能是你网络问题。
第一个问题,不是乱码,那是图片,curl抓取百度页面,会特意把某些文字转换成图片,防抓取。你查看网页元素,你就会发现,那些乱码其实是百度的图片地址。
第二个问题,你把超时时间设置大点,就好了,可能是你网络问题。