Есть китайский сайт с кодировкой GBK, я получаю его HTML код, но не могу его распарсить, потому как в нём есть какой-то битый символ?

Question

[programmer0101]

В PHP: iconv не помогает, пишет "нелегальный символ во входной строке", а mb портит кодировку.
Как это можно реализовать на Linux?

Comments

[Кирилл Несмеянов]

icu какой версии? Актуальная под номером 60

site.icu-project.org/download

Затем: cd icu/source ./configure --prefix=/usr/local/icu）make && make install

[programmer0101]

Скомпиллировалось оно в папку "usr/local/icu）make", но как оно будет работать?
А так libicu 52 версии.

[Кирилл Несмеянов]

programmer0101, насколько я помню, помимо intl, внутри php использует icu для работы с мультибайтовыми кодировками и их преобразованиями (то бишь mb_ и iconv). И вполне допустимо, что старые версии могут содержать проблемы, исправленные в актуальных. Это просто тычок пальцем в небо "а вдруг?". Но если я ошибся и icu используется только для intl, то обновление оного не будет таким страшным )))

[programmer0101]

Кирилл Несмеянов, я думаю оно так не будет работать, ибо не заменится старая версия, и система не будет знать какой icu выбирать именно, будет две версии.

[Кирилл Несмеянов]

programmer0101, вполне возможно, что ещё надо переустановить mbstring + intl

Answer 1

[Дмитрий]

у iconv есть опции
в том числе и пропускать битые символы

Comments

[programmer0101]

//IGNORE не помогает