HTML-ENTITIES编码

用fabpot/goutte( https://github.com/FriendsOfPHP/Goutte)抓取网页的时候，发现无论目标页面是什么编码(gb2312...)，最后得到的都是unicode。
研究下发现是Symfony的crawler调用了html-entities编码。

mb_convert_encoding($content, 'HTML-ENTITIES', $charset);

然后，wiki百科上普及了下基础知识。。。html-entities编码用的是unicode ( http://en.wikipedia.org/wiki/Character_encodings_in_HTML)。

引用

A numeric character reference in HTML refers to a character by its Universal Character Set/Unicode code point

特此记录。