php - 获取不带标题/编码的外部网页的html源

我只想知道是否可以从html文件中提取编码的内容（utf-8格式），而不需要编码头。
我的具体案例是这个网站：
http://www.metal-archives.com/band/discography/id/203/tab/all
我想提取所有信息，但正如你所见，这个词看起来很糟糕：
莫特拉德
我试着使用file_get_html，htmlenties，utf_decode，utf_encode，并将它们与不同的选项混合使用，但我找不到解决方案…
编辑：
我只想看到同一个网站的正确格式与这个简单的代码：

$html_discos = file_get_html("http://www.metal-archives.com/band/discography/id/223/tab/all");
//some transform/decode here
print_r($html_discos);

我希望字符串或dom对象中的内容格式正确，以便以后获取某些部分。
编辑2：
$file_get_html是“简单html dom”库的一个函数：
http://simplehtmldom.sourceforge.net/
有这个密码的：

function file_get_html($url, $use_include_path = false, $context=null, $offset = -1, $maxLen=-1, $lowercase = true, $forceTagsClosed=true, $target_charset = DEFAULT_TARGET_CHARSET, $stripRN=true, $defaultBRText=DEFAULT_BR_TEXT, $defaultSpanText=DEFAULT_SPAN_TEXT)
{
    // We DO force the tags to be terminated.
    $dom = new simple_html_dom(null, $lowercase, $forceTagsClosed, $target_charset, $stripRN, $defaultBRText, $defaultSpanText);
    // For sourceforge users: uncomment the next line and comment the retreive_url_contents line 2 lines down if it is not already done.
    $contents = file_get_contents($url, $use_include_path, $context, $offset);
    // Paperg - use our own mechanism for getting the contents as we want to control the timeout.
    //$contents = retrieve_url_contents($url);
    if (empty($contents) || strlen($contents) > MAX_FILE_SIZE)
    {
        return false;
    }
    // The second parameter can force the selectors to all be lowercase.
    $dom->load($contents, $lowercase, $stripRN);
    return $dom;
}

最佳答案

url的内容类型

http://www.metal-archives.com/band/discography/id/203/tab/all

是：

Content-Type: text/html

这将默认为ISO-8859-1。但是你想用utf-8。更改内容类型，以便正确通知：

Content-Type: text/html; charset=utf-8

见：Setting the HTTP charset parameter

关于php - 获取不带标题/编码的外部网页的html源，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13308252/