在使用 PHP Simple HTML DOM 解析网页时，有时会遇到从开启缓存的 WordPress 网站抓取内容时出现乱码的情况。正如摘要所述，这种现象通常发生在首次抓取成功后，后续抓取返回乱码。这通常是因为服务器返回了经过 gzip 压缩的内容，而 Simple HTML DOM 库默认没有处理压缩数据的能力。
解决方案一：使用 cURL 并设置 CURLOPT_ACCEPT_ENCODING
cURL 是一个强大的 PHP 库，可以用来发送 HTTP 请求。通过配置 cURL 选项，我们可以告诉服务器我们支持接收 gzip 压缩的内容，并让 cURL 自动解压缩。
以下是一个使用 cURL 解决乱码问题的示例代码：
<?php
include('/simple_html_dom.php');
$url = "https://www.2311666.com.tw/";
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_USERAGENT, 'Chrome/94.0.4606.81');
// 关键：设置 CURLOPT_ACCEPT_ENCODING 为空字符串，允许 cURL 自动处理压缩
curl_setopt($curl, CURLOPT_ACCEPT_ENCODING, "");
$response = curl_exec($curl);
if (curl_errno($curl)) {
echo 'cURL error: ' . curl_error($curl);
exit;
}
curl_close($curl);
$html = new simple_html_dom();
$html->load($response);
echo $html;
?>代码解释：
立即学习“PHP免费学习笔记（深入）”；
- curl_setopt($curl, CURLOPT_ACCEPT_ENCODING, ""); 这行代码告诉服务器，客户端可以接受任何编码方式，包括 gzip。cURL 会自动处理 gzip 压缩的数据，并将其解压缩为原始 HTML 内容。
- 使用 curl_exec($curl) 获取网页内容。
- 将获取到的内容加载到 Simple HTML DOM 对象中。
注意事项：
- 确保你的 PHP 环境已经安装并启用了 cURL 扩展。
- 如果服务器没有正确设置 Content-Encoding 头部，即使设置了 CURLOPT_ACCEPT_ENCODING，cURL 也可能不会自动解压缩。
解决方案二：使用 gzdecode() 函数
如果服务器返回的响应头明确指示内容是 gzip 压缩的，但 cURL 没有自动解压缩，或者你不能使用 cURL，你可以手动使用 gzdecode() 函数解压缩内容。
以下是一个使用 gzdecode() 函数解决乱码问题的示例代码：
<?php
include('/simple_html_dom.php');
$url = "https://www.2311666.com.tw/";
$opts = array(
'http'=> array('header'=>"User-Agent:Chrome/94.0.4606.81\r\n")
);
$context = stream_context_create($opts);
$get = file_get_contents($url, false, $context);
// 检查是否是 gzip 压缩的内容，例如检查 Content-Encoding 头部
$headers = get_headers($url);
$is_gzip = false;
foreach ($headers as $header) {
if (stripos($header, 'Content-Encoding: gzip') !== false) {
$is_gzip = true;
break;
}
}
// 如果是 gzip 压缩，则使用 gzdecode() 解压缩
if ($is_gzip && function_exists('gzdecode')) {
$get = gzdecode($get);
}
$html = new simple_html_dom();
$html->load($get);
echo $html;
?>代码解释：
立即学习“PHP免费学习笔记（深入）”；
- get_headers($url) 获取服务器返回的响应头。
- 遍历响应头，检查是否存在 Content-Encoding: gzip 头部，判断内容是否是 gzip 压缩的。
- 如果内容是 gzip 压缩的，并且 gzdecode() 函数可用，则使用 gzdecode($get) 解压缩内容。
- 将解压缩后的内容加载到 Simple HTML DOM 对象中。
注意事项：
- gzdecode() 函数需要 PHP 的 zlib 扩展支持。确保你的 PHP 环境已经安装并启用了 zlib 扩展。
- 在调用 gzdecode() 之前，务必确认内容是 gzip 压缩的，否则可能会导致解压缩失败并返回错误。
总结
当使用 PHP Simple HTML DOM 解析开启缓存的 WordPress 网站时遇到乱码问题，通常是因为服务器返回了 gzip 压缩的内容。通过使用 cURL 并设置 CURLOPT_ACCEPT_ENCODING 或使用 gzdecode() 函数，可以有效地解决这个问题。选择哪种解决方案取决于你的具体需求和环境配置。如果可以使用 cURL，建议使用 cURL 并设置 CURLOPT_ACCEPT_ENCODING，因为它更简单、更高效。如果不能使用 cURL，则可以使用 gzdecode() 函数手动解压缩内容。 无论选择哪种方法，都需要确保你的 PHP 环境已经安装并启用了相应的扩展。
