短链接还原后HTML标签被转义导致格式错乱，根本原因是未正确设置Content-Type响应头或错误二次转义；需用cURL或file_get_contents()跟随重定向获取真实HTML，并在输出前发送header('Content-Type: text/html; charset=utf-8')。
短链接还原后 HTML 标签被转义导致格式错乱
PHP 用 file_get_contents() 或 curl 请求短链接跳转后的目标页时，如果直接输出响应体，常见现象是页面源码里所有 <、> 被显示为 、<code>>，浏览器当成纯文本渲染，布局全崩。
根本原因是服务端返回的 Content-Type 是 text/html，但你没告诉浏览器这是 HTML；或者你用了 htmlspecialchars() / htmlentities() 错误地二次转义了原始 HTML 字符串。
- 检查响应头：用
curl -I 短链接确认真实跳转地址和Content-Type - 还原请求必须跟随重定向（
CURLOPT_FOLLOWLOCATION设为true），否则拿到的是 302 响应体而非最终 HTML - 若用
file_get_contents()，需在stream_context_create()中启用'follow_location' => true
用 cURL 正确还原并输出 HTML
比 file_get_contents() 更可控，尤其对需要处理 Cookie、User-Agent 或自定义 header 的场景。
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'https://t.co/abc123');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36');
curl_setopt($ch, CURLOPT_HEADER, false); // 关键：不返回响应头
$html = curl_exec($ch);
$httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
curl_close($ch);
if ($httpCode === 200 && !empty($html)) {
// 直接输出，不加任何转义
header('Content-Type: text/html; charset=utf-8');
echo $html;
} else {
echo '还原失败或内容为空';
}
注意：header('Content-Type: ...') 必须在 echo 前调用，且不能有任何输出（包括空格、BOM）干扰 header 发送。
立即学习“PHP免费学习笔记（深入）”；
还原后需清洗或提取内容？别直接 echo 全页
如果你实际只需要标题、正文或某个 <div id="content">，硬塞整页 HTML 可能引入 XSS 风险或样式冲突。此时应解析 DOM，而非简单输出。
- 用
DOMDocument::loadHTML()加载字符串，再用getElementsByTagName()或getElementById()提取节点 - 提取后用
saveHTML()输出片段，它会自动处理编码，无需手动htmlspecialchars() - 避免用正则匹配 HTML —— 标签嵌套、属性顺序、大小写都可能导致漏匹配
$dom = new DOMDocument();
libxml_use_internal_errors(true); // 抑制 malformed HTML 警告
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);
$nodes = $xpath->query('//title | //article | //main');
if ($nodes->length > 0) {
foreach ($nodes as $node) {
echo $dom->saveHTML($node);
}
}
中文乱码或特殊字符显示为
不是 PHP 编码问题，而是目标页声明的字符集与实际内容不符，或 PHP 没正确告知浏览器该用什么解码。
- 先用
mb_detect_encoding($html)看实际编码（常见UTF-8、GBK、ISO-8859-1） - 若检测为
ISO-8859-1但页面含中文，大概率是GBK，用mb_convert_encoding($html, 'UTF-8', 'GBK')转换 -
header('Content-Type: text/html; charset=utf-8')必须与最终输出的编码严格一致 - 不要依赖
<meta charset>—— 浏览器读到它之前已按 HTTP header 解码，优先级低于 header
最稳妥的做法：拿到原始响应体后，先查 Content-Type header 中的 charset=...，再按此解码；没有就 fallback 到 mb_detect_encoding() + 手动验证。
