PHP file_get_contents 抓取網頁中文亂碼：GZIP 壓縮與編碼雙重解法

問題現象

使用 file_get_contents($url) 取遠端頁面，中文顯示亂碼。Firebug 觀察回應 Header 發現：Content-Encoding: gzip，伺服器開啟 GZIP 壓縮，file_get_contents 不會自動解壓，直接回傳二進位壓縮資料導致亂碼。

方案一：改用 cURL 自動解壓（推薦）

function curl_get($url) {
    $ch = curl_init();
    curl_setopt_array($ch, [
        CURLOPT_URL            => $url,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_ENCODING       => 'gzip',      // 關鍵：自動接受並解壓 gzip/deflate
        CURLOPT_USERAGENT      => 'Mozilla/5.0 (compatible; PHP Bot)',
        CURLOPT_TIMEOUT        => 10,
        CURLOPT_FOLLOWLOCATION => true,
        CURLOPT_SSL_VERIFYPEER => false,       // 僅測試用，生產請驗證憑證
    ]);
    $data = curl_exec($ch);
    curl_close($ch);
    return $data;
}

$html = curl_get('https://example.com/page.html');

方案二：利用 zlib:// 串流包裝器（無需 cURL）

前提：PHP 編譯時啟用 --with-zlib（預設開啟）。

$html = file_get_contents('compress.zlib://' . $url);

原理：PHP 內建 compress.zlib:// 串流過濾器，讀取時自動解壓。

編碼轉換：確保最終為 UTF-8

抓取後若仍亂碼，可能是來源頁面非 UTF-8（如 Big5、GB2312）。統一轉碼：

$encoding = mb_detect_encoding($html, ['UTF-8', 'GB2312', 'BIG5', 'CP950'], true);
if ($encoding && $encoding !== 'UTF-8') {
    $html = mb_convert_encoding($html, 'UTF-8', $encoding);
}

完整健壯抓取函式

function fetch_page($url) {
    $html = @file_get_contents('compress.zlib://' . $url);
    if ($html === false || strlen($html) < 100) { // 失敗或內容過短，嘗試 cURL
        $html = curl_get($url);
    }
    // 編碼修正
    $enc = mb_detect_encoding($html, ['UTF-8','GB2312','BIG5','CP950'], true);
    if ($enc && $enc !== 'UTF-8') $html = mb_convert_encoding($html, 'UTF-8', $enc);
    // 移除 BOM
    if (substr($html, 0, 3) === "\xEF\xBB\xBF") $html = substr($html, 3);
    return $html;
}

效能對比

建議：優先 compress.zlib:// 簡潔高效，失敗 fallback cURL，並統一編碼轉 UTF-8。