怎么精准的获取网页编码，并转成UTF8

Question

function htmlConvertEncode($html){
    // 检测编码
    $encode = mb_detect_encoding($html, array("ASCII","UTF-8","GB2312","GBK","CP936","BIG5","EUC-CN"));
    // 转码
    if($encode != 'UTF-8'){
        return mb_convert_encoding($html, 'UTF-8', $encode);
    }
    // 返回字符集
    if('UTF-8' === true){
        return $encode;
    }
    return $html;
}

我这个代码有个问题，就是少数的网页检测不出来编码。或者有没什么办法，能把所有非UTF8的代码转成UTF8？最好能全面点的

Answer 1

引用chatgpt部分指引作答：
您可以尝试使用以下代码，以确保从任何编码转换为UTF-8，并获取网页的准确编码：

function htmlConvertEncode($html){
    // 获取字符集
    $encode = '';
    preg_match('/<meta.+?charset=["\']?([-\w]+)/i', $html, $matches);
    if(!empty($matches)){
        $encode = strtoupper($matches[1]);
    } else {
        $encode = mb_detect_encoding($html, array("ASCII","UTF-8","GB2312","GBK","CP936","BIG5","EUC-CN"));
    }
    // 转码
    if($encode != 'UTF-8'){
        $html = iconv($encode, 'UTF-8//IGNORE', $html);
    }
    return $html;
}

此函数首先检查是否存在meta标记，如果有，则从中提取编码。否则，使用mb_detect_encoding函数检测编码。接下来，使用iconv函数将HTML转换为UTF-8编码。

请注意，这种方法仅适用于HTML文档中存在meta标记的情况。如果网页中没有meta标记，则可能需要更复杂的技术来检测编码。

另外，请注意，这个函数在转换编码时使用了//IGNORE选项，以确保无效的字符不会导致错误。但是，这也可能会导致一些信息的丢失，所以请注意使用。