By烟花易冷

近日，在项目中需要对某著名教务系统进行数据爬取与分析，遂用 phpQuery 结合 curl 来写爬虫，对部分中文页面进行爬取得时候，出现了空白的现象，具体表现为 curl 请求正常，返回结果正常，但在执行 phpQuery::newDocumentHTML 后，无法通过 $value->html() 取到数据，解决方案如下：

$doc = phpQuery::newDocumentHTML(str_replace("gb2312", "utf-8",$curl_Result));
phpQuery::selectDocument($doc);

原因：很有可能被抓取的网页是 utf-8 编码的，但却有 标记，而 phpQuery 是以 meta 标记来分辨字符集的。

如果上诉方法无法解决的话，不如试试直接把网页内容转为 UTF-8 再行元素抓取

$doc = phpQuery::newDocumentHTML(iconv('gb2312','utf-8',$curl_Result));
phpQuery::selectDocument($doc);

若中文出现乱码，则考虑字符编码问题，可以通过如下代码进行转换：

$t = mb_convert_encoding($t,'ISO-8859-1','utf-8');

原因：phpQuery认不清目标网页是什么编码，即找不到meta属性的时候，会默认转换成iso-8859-1的格式。

百忙偷闲，仅此以记。