DOM e caratteri ebraici

[mastria9]

Ciao a tutti,

ho un problema con creazione di un documento, tramite DOM, nel quale sono presenti lettere ebraiche, e "non tutto" il documento viene visualizzato correttamente.
La pagina in questione è: http://www.hebrewoldtestament.com/B01C014.htm
Se salvo la pagina tramite stream_get_contents e poi la visualizzo va tutto bene.
Ma se carico il documento tramite DOM, al momento in cui lo voglio visualizzare, in alcune zone di testo i caratteri non corrispondono assolutamente a quelli originali.
Esattamente al versetto 19 (e anche in altri versetti) dell'html, anzichè visualizzare i caratteri in ebraico mi visualizza questi:
ויברכהו וי�מר
ברוך �בר� ל�ל
עליון ×§× ×” שמי×�
ו×�רץ×

Il codice è questo:

$url="http://www.hebrewoldtestament.com/B01C014.htm";
$handle=fopen($url, "r");
$content=stream_get_contents($handle);   
// se faccio "echo $content" visualizza la pagina correttamente
$doc= new DOMDocument();  // oppure $doc= new DOMDocument(VERSION, ENCODING);
$doc->loadHTML($content);
$doc->normalizeDocument()
...
...
echo $doc->saveHTML();

Nell'ultima riga mi da un html che però non viene visualizzato correttamente.
Ho utilizzato $doc->normalizeDocument() perchè i tag risultavano tutti in maiuscolo.
Ho anche utilizzato header("Content-Type:text/html; charset=utf-8"); ma niente.
Ho provato a levare il DTD dal DomDocument perchè nella pagina originale non c'è, mentre DOM me lo crea in automatico (PERCHE' ???), ma comunque niente.

Avete qualche idea migliore?

Grazie
Maurizio

[Alhazred]

http://forum.html.it/forum/showthrea...readid=2901187

[mastria9]

Ho seguito la guida ed effettivamente avevo dimenticato di settare ini_set ad utf-8; ho anche settato in httpd.conf di apache2 il valore "AddDefaultCharset utf-8", ma purtroppo non ho risolto ancora. Non sto usando alcun database.
In pratica sembra che il problema me lo dia proprio DOM.
Dopo aver fatto il $doc->loadHTML("content") anche se poi salvo su file, i caratteri non corrispondono. E non credo però che si tratti di una codifica errata, perchè i caratteri ebraici precedenti vengono visualizzati correttamente.
Che fare???

Aggiornamento:
Ho visto che la pagina è scritta in un modo barbaro: i tag sono in maiuscolo e molti non hanno la chiusura e quindi sto iniziando a modificare ognuno di loro.
Non so ancora se questo risolverà il problema, ma:
Poichè con $doc->normalizeDocument() ho sostituito i tag da maiuscolo a minuscolo (e forse ha apportato qualche altra modifica), ora la mia domanda è:
Esiste una qualche funzione che mi chiuda i tag direttamente? Altrimenti dovrei inventarmi qualcosa, anche se sinceramente non so ancora come fare.
Grazie

[mastria9]

Risolto

Il problema sta nel fatto che DOM non parsa bene l'html5. Mi era sfuggito perché DOM mi creava automaticamente il DTD e anche se lo toglievo poi non funzionava.

Ho applicato questo codice:

$url= "http://www.urldiprova.it";
$urlHandle=fopen($url, "r");
$html=stream_get_contents($urlHandle);
// seguo la guida
$html = preg_replace_callback('#<(\w+)([^>]*)\s*/>#s', function($matches){         
// ignore only these tags        
$xhtml_tags = array('br', 'hr', 'input', 'frame', 'img', 'area', 'link', 'col', 'base', 'basefont', 'param' ,'meta');         
// if a element that is not in the above list is empty,        
// it should close like   `<element></element>` (for eg. empty `<title>`)        
return in_array($matches[1], $xhtml_tags) ? "<{$matches[1]}{$matches[2]} />" : "<{$matches[1]}{$matches[2]}></{$matches[1]}>"; }, $html);
$dom=new DOMDocument("1.0","utf-8");
$dom->loadHTML($html);
$dom->normalizeDocument();

header("Content-Type:text/html; charset=utf-8");
//visualizzo l'html o lo salvo in un file
echo $html = $dom->saveHTML(); //oppure $dom->saveHTML("fileName.html");

Comunque posto il link del thread dove ho trovato la soluzione:
http://stackoverflow.com/questions/1...th-domdocument

Ciao e grazie comunque.
Maurizio