解析Guardian RSS订阅源时特殊字符乱码，如何正确解析显示？

我之前也踩过类似的RSS编码坑，Guardian的RSS内容是UTF-8编码的，你看到的â、Ãá这类乱码，本质是字符编码不匹配导致的——要么是页面没声明UTF-8，要么是PHP解析XML时编码处理出错。给你几个针对性的解决步骤：

1. 先确保HTML页面声明UTF-8编码 #

浏览器得知道用什么编码渲染内容，在HTML的<head>里一定要加上这句：

<meta charset="UTF-8">

2. 强制PHP以UTF-8解析XML #

simplexml_load_file有时候会因为服务器默认编码或者XML声明的小问题，导致编码识别错误。换用file_get_contents先获取内容，再用simplexml_load_string指定编码和必要的解析参数：

// 先获取RSS内容
$xmlContent = file_get_contents($link);
// 加载XML时开启LIBXML_NOCDATA保留CDATA内容，同时确保UTF-8解析
$xml = simplexml_load_string($xmlContent, 'SimpleXMLElement', LIBXML_NOCDATA | LIBXML_NOBLANKS);

注：Guardian的description通常放在CDATA块里，LIBXML_NOCDATA能让simplexml正确读取这部分内容，避免丢失或编码异常。

3. 让PHP输出UTF-8编码的内容 #

在PHP代码最开头（输出任何内容之前）加上这句，告诉浏览器输出的是UTF-8格式：

header('Content-Type: text/html; charset=utf-8');

4. 处理description的HTML实体（可选） #

如果description里有转义的HTML实体（比如"），可以用html_entity_decode转换回正常字符，记得指定UTF-8编码：

for($i = 0; $i < 30; $i++){
    $title = (string)$xml->channel->item[$i]->title;
    // 转换实体并确保UTF-8编码
    $description = html_entity_decode((string)$xml->channel->item[$i]->description, ENT_QUOTES, 'UTF-8');
    // 后续输出处理...
}

按这个流程走，弯引号、破折号和带重音的字符（比如Orbán）应该就能正常显示了。

内容的提问来源于stack exchange，提问作者user3884753