下記サイトをスクレイピングしても、文字化けしてしまいます。どうしたら良いでしょうか。

http://affiliate.rakuten.co.jp/trend//?l-id=top_keyword_sonota
下記コードで文字化けしてしまうのです。。
$html = file_get_contents("http://affiliate.rakuten.co.jp/trend//?l-id=top_keyword_sonota");
mb_convert_encoding($html, "UTF-8");

行動規範の内容に同意します

回答2件

ベストアンサー

・ブラウザの設定でjavascriptをオフにすると正常に表示される
・文字化けしたソースコードを見ると正常に表示されている。
よってjavascriptで文字を変換してるものと思われます。

とりあえずこちらのソースコード

php
1<?php
2
3$html = file_get_contents("http://affiliate.rakuten.co.jp/trend//?l-id=top_keyword_sonota", NULL, NULL, 101); 
4
5echo  mb_convert_encoding($html, "UTF-8","EUC-JP");
6
7?>

これでやればHTMLでなくなってしまいますがとりあえず正常に表示されます。

htmlでなくては困るのであれば、echoとmb_convert_encodingの間に

'<html><head>' .

を付け足してください。
ブラウザの表示では文字化けしますが、php内で切り出したりする分には文字列は正常です。

投稿2015/11/08 13:11

kooo

総合スコア26

cutter

2015/11/08 22:18

有り難うございます。 $html = file_get_contents("http://affiliate.rakuten.co.jp/trend//?l-id=top_keyword_sonota", NULL, NULL, 101); echo mb_convert_encoding($html, "UTF-8","EUC-JP"); preg_match_all("/<font size=\"-1\">(.*?)<a href=\"(.*?)\">(.*?)<\/a><\/font>/", $html, $matches); var_dump($matches[3]); こうするとvar_dumpデータが文字化けしてしまうのですが、どうしてでしょうかm(__)m

行動規範の内容に同意します

元の文字コードがx-euc-jpなので

HTML
1<meta http-equiv="Content-Type" content="text/html; charset=x-euc-jp">

mb_convert_encodingでの文字コード指定を明示的にしてやればうまく行くかもです。

PHP
1mb_convert_encoding($html, "UTF-8","x-euc-jp");

投稿2015/11/08 12:42

tanat

総合スコア18713

あなたの回答

tips

プレビュー

行動規範の内容に同意します

質問の解決につながる回答をしましょう。サンプルコードなど、より具体的な説明があると質問者の理解の助けになります。また、読む側のことを考えた、分かりやすい文章を心がけましょう。

15分調べてもわからないことは
teratailで質問しよう！

ただいまの回答率
85.48%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう！

下記サイトをスクレイピングしても、文字化けしてしまいます。どうしたら良いでしょうか。

関連した質問