php爬虫解析gbk编码的页面提示encoding error

作者：zarte 发布时间: 2018-07-19
phpxpath爬虫
## 遇到的问题
curl获取gbk编码的页面，使用DOMDocument解析内容后通过xpath获取不到对应元素。提示loadHTML的时候有错误。
Warning: DOMDocument::loadHTML(): input conversion failed due to input error, bytes 0xE3 0x80 0x90 0xE8 

## 分析及解决
经过实践发现通过xpath的方法来解析主要有三种情况以及对应的解决方法：
1. 1.上面问题对应的情况可以通过将内容转码后再loadHtml解决，注意的是不是转utf-8，虽然中文可以正常显示，要这样  
~~~php
    mb_convert_encoding($output, 'HTML-ENTITIES', 'UTF-8,GBK,GB2312,BIG5');  
~~~
**HTML-ENTITIES**是关键！

1. 2.有的时候有错也没事可以通过@屏蔽错误输出，只要能正常解析就可以。

1. 3.还有一种是xpath错误，在chrome上可以右键获取到xpath，但是当页面有通过js重新渲染过就有可能导致复制到的规则不匹配。

>记录个python的解决方法[python网络爬虫](https://blog.csdn.net/wangdingqiaoit/article/details/42466307)，** 未实际使用过不保证可用。**