Почему в выходном .txt файле парсера кракозябры?

Question

[Konyuh]

Есть такой парсер карточки товара интернет-магазина https://ketmin.ru/catalog/futbolki_s_printom/~futb...

$header  = array
                    (
                      'Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
                      'Accept-Language: ru-RU,ru;q=0.8,en-US;q=0.5,en;q=0.3',
                      'Accept-Encoding: gzip, deflate',
                      'Content-type: application/x-www-form-urlencoded'
                    );

                    curl_setopt($ch, CURLOPT_HTTPHEADER, $header);
                    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
                    curl_setopt ($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0");
                    curl_setopt($ch, CURLOPT_ENCODING , "gzip");
                    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
                    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
                    curl_setopt($ch, CURLOPT_URL, 'https://ketmin.ru/catalog/futbolki_s_printom/~futbolka-detskaya-ketmin-funny-cvbelyj-3250754514');

                    $html = curl_exec($ch);
                    curl_close($ch);

                    $dom = new DOMDocument();
                    @$dom->loadHTML($html);
                    $xpath = new DOMXPath($dom);
                    $description = $xpath->query("//div[contains(@class, 'description')]/div[@class='title--min'][not(contains(text(), 'Таблица'))]/..");
                    $descriptionArr = iterator_to_array($description);
                    $descriptionTerm = null;
                    $Description = null;

                    foreach ($descriptionArr as $descriptions) { 
                        $descriptionTerm[] = $descriptions->nodeValue;
                    }

                    foreach ($descriptionTerm as $descriptions) {
                        $Description .= trim($descriptions);
                    }

                    $arrMainParams = array(
                        "description" => $Description
                    );

                    $jsonDataProduct = json_encode($arrMainParams, JSON_UNESCAPED_UNICODE);
                    file_put_contents("data_product.txt", $jsonDataProduct);

И вот, в выходной текстовый файл data_product.txt вместо русских символов попадают кракозябры вида ХаÑакÑеÑи . В чем может быть причина? Кодировка на сайте UTF-8.

Comments

[Ипатьев]

потому что просматриваете вы этот файл через программу, которая не умеет в UTF-8?

[alexalexes]

Смотрите содержимое файла в кодировке cp1252, переключите в просмотрщике кодировку на utf-8.

Answer 1

[0x0f80]

Используйте mb_convert_encoding для преобразования HTML в UTF-8 перед его обработкой.

@$dom->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));

Comments

[Ипатьев]

ХаÑакÑеÑи

а где вы здесь увидели HTML, я стесняюсь спросить?

[IvanU7n]

Ипатьев, в принципе предложение может сработать, т.к. это очень похоже на utf-8, принятый за latin1 и закодированный в utf-8 ещё раз
всё же DomDocument::loadHTML понимает указание кодировки только через

<meta http-equiv="Content-Type" content="text/html; charset=utf-8">

, а не используемый сейчас <meta charset="utf-8">

[Konyuh]

Заработало, спасибо!