Codifica caratteri siti esterni

[l'evangelista]

Ciao,
ho un sistema che prende il testo da alcuni siti e poi esegue un parsing con varie espressioni regolari.

I file sono due, un index.html (in cui l'utente inserisce l'url del sito e alcune keyword da ricercare) e un process.php in cui viene appunto estratto il contenuto ed eseguito il parsing.

Il problema è la codifica dei caratteri.
Avevo settato sia l'index.html sia il process.php in UTF-8 e, con siti unicode, tutto funzionava.

Se però vado a prendere in input un sito con ad esempio charset ISO 8859-1/occidentale, le keyword non vengono trovate.

Come posso risolvere?

[l'evangelista]

Per ora sto facendo cosi:

- index.html (il form) è su una pagina utf8
- process.php riconosce se l'url da aprire è utf8 o meno e, in caso negativo, converte la stringa con utf8_encode.

Sembra funzionare, unico problema lo riscontro se l'url ha dei "" .. se li vado a stampare, mi esce un carattere tutto strano.. in compenso gli accenti li prende benissimo

edit: casomai servisse a qualcuno, la funzione che riconosce se una stringa è UTF8 l'ho trovata qui
http://it2.php.net/manual/en/function.utf8-encode.php
è quella di "bitseeker"

[Cypher86]

sembra ke tu abbia risolto il mio problema

mi puoi dare una mano?
http://forum.html.it/forum/showthrea...readid=1351846

[nicola75ss]

@Cypher86: hai già aperto un thread tuo a riguardo. Continua lì per cortesia.