PHP 简单 HTML DOM 解析器的字符编码问题

我正在使用 PHP 简单 HTML DOM 解析器http://simplehtmldom.sourceforge.net/从其他域获取页面标题、元描述和元标签等数据，然后将其插入数据库。

但我在编码方面遇到了一些问题。问题是我没有从那些非英语网站获得正确的字符。

下面是代码：

<?php
require 'init.php';

$curl = new curl();
$html = new simple_html_dom();

$page = $_GET['page'];

$curl_output = $curl->getPage($page);

$html->load($curl_output['content']);
$meta_title = $html->find('title', 0)->innertext;

print $meta_title . "<hr />";

// print $html->plaintext . "<hr />";
?>

输出为facebook.compage

Welcome to Facebook — Log in, sign up or learn more

输出为amazon.cnpage

亚马逊-网上购物商城：è¦ç½‘è´­, å°±æ¥Z.cn!

输出为mail.rupage

Mail.Ru: почта, поиÑк в интернете, новоÑти, игры, развлечениÑ

因此，字符没有被正确编码。

任何人都可以帮助我如何解决这个问题，以便我可以将正确的数据添加到我的数据库中。

@deceze 和 @Shakti 感谢您的帮助。

+1 为 deceze 发布的文章链接（在 Web 应用程序中从前到后处理 Unicode http://kunststube.net/frontback/）也值得一读了解编码 http://kunststube.net/encoding

在阅读了您的评论、回答，当然还有这两篇文章之后，我终于解决了我的问题。

我列出了迄今为止为解决此问题所做的步骤：

1. Added header('Content-Type: text/html; charset=utf-8');在我的 init.php 文件的顶部，
2. 将我的数据库表字段的字符集更改为 UTF-8，
3. 将 MySQL 连接字符集设置为 UTF-8mysql_set_charset('utf8', $connection_link_id);
4. 使用 htmlentities() 函数转换字符$meta_title = htmlentities(trim($meta_title_raw), ENT_QUOTES, 'UTF-8');

现在问题似乎已经解决了，但我仍然需要做以下事情来完全解决这个问题。

1. 从源获取编码字符集$source_charset.
2. 如果字符串的编码已经不同，请将其更改为 UTF-8。为此，唯一可用的 PHP 函数是iconv()。例子：iconv($source_charset, "UTF-8", $meta_title_raw);

为了得到$source_charset我可能必须使用一些技巧或多重检查。就像检查标题和元标记等。我在以下位置找到了一个很好的答案检测编码 https://stackoverflow.com/questions/910793/detect-encoding-and-make-everything-utf-8

如果我的上述步骤有任何改进或任何错误，请告诉我。