[PHP]Problem z mb_detect_encoding Opcje

[darekHa]

Witam

W php to moje początki, więc proszę o wyrozumiałość.

Piszę skrypt, który pobierze zawartość strony i przeszuka pobrany kod w poszukiwaniu zadanego wzorca.

Niby proste, ale ja mam wzorzec zapisywany u utf-8, a strony mają różne kodowanie: utf-8, iso-8859-2, iso-8859-1, windows-1250 itd.

Idea jest taka:
1. Pobrać kod strony używając "file_get_contents()";
2. Sprawdzić kodowanie strony i ewentualnie zamienić na utf-8;
3. Wyszukać wzorzec.

Problem stanowi punkt 2!

Przykład - odczytanie kodowania strony Onet.pl - kodowanie iso-8895-2

Więc napisałem:

Kod

$zawartosc = file_get_contents("http://www.onet.pl");

$siteCoding = mb_detect_encoding($zawartosc, 'UTF-8, ISO-8859-1, ISO-8859-2', true);

echo $siteCoding;

No i zwraca iso-8859-1 zamiast iso-8859-2.

Gdzie robię błąd? Bo potem chciałem zrobić:

Kod

if($siteCoding != 'UTF-8')
     $zawartosc = mb_convert_encoding($zawartosc, "UTF-8", $siteCoding);

No ale nie mogę, bo mb_detect_encoding() zwraca nie to co trzeba.

[tosiek]

Mi też nie chciało działać: mb_detect_encoding.

Zapisz w zmiennej np. $ciag ciąg który chcesz znaleźć i potem zależnie od tego jakie kodowanie jest zdefiniowane w:

Kod

$zawartosc = file_get_contents("http://www.onet.pl");

prze konwertuj tą zmienną na takie kodowanie jakie znalazłeś w $zawartosc i dopiero po konwersji szukaj w $zawartosc tego ciągu

Na około ale działa PS. w iso-8859-1 nie ma polskich znaków

[darekHa]

To nie zadziała gdyż

Kod

mb_detect_encoding($zawartosc, 'UTF-8, ISO-8859-1, ISO-8859-2', true);

zwraca mi złą wartość! Tym samym nie mogę rozpoznać czy chodzi o iso-8859-1 czy -2

Badam Onet.pl, oni mają 8859-2, a mb_detect_encoding zwarca mi 8859-1 i po prostu nie mam jak sprawdzić jakie jest to nieszczęsne kodowanie.


Wie ktoś co tu jest źle, albo jak sprawdzać w jakiś inny sposób?

[tosiek]

Sposoby sprawdzania:
1. Nagłówki HTTP - Content-Type, onet nie zwraca kodowania odpada.

2.

[PHP] pobierz, plaintext 
<?php
$zawartosc = file_get_contents("http://www.onet.pl");
if(preg_match("/content-type/", $zawartosc))
{
     preg_match("/charset=(.*)/", $zawartosc, $zawartosc2);
}
?>
[PHP] pobierz, plaintext 

coś w ten deseń. już pisałem o tym wczesniej. potem konwertujesz to co chesz znaleźć na taki kodowanie jakei znalazłeś