错误：“输入的UTF-8输入不正确，表示编码！” 使用PHP的simplexml_load_string

Question

我收到错误消息：

parser error : Input is not proper UTF-8, indicate encoding ! Bytes: 0xED 0x6E 0x2C 0x20

尝试使用simplexml_load_string第三方来源处理XML响应时。原始XML响应确实声明了内容类型：

<?xml version="1.0" encoding="UTF-8"?>

但是，似乎XML并不是真正的UTF-8。XML内容的语言是西班牙语，并且包含类似DublínXML的单词。

我无法让第三方来整理他们的XML。

如何预处理XML并解决编码不兼容的问题？

有没有一种方法可以检测XML文件的正确编码？

Answer 1

您的0xED 0x6E 0x2C
0x20字节对应于ISO-8859-1中的“ín”，因此您的内容似乎在ISO-8859-1中，而不是UTF-8。告诉您的数据提供商并请他们修复它，因为如果它对您不起作用，那么对其他人也可能不起作用。

现在有几种解决方法，只有 在无法正常加载XML
时才应使用。其中之一将是使用utf8_encode()。不利之处在于，如果该XML同时包含有效的UTF-8和某些ISO-8859-1，则结果将包含mojibake。或者，您可以尝试使用iconv()或mbstring
将字符串从UTF-8转换为UTF-8 ，希望他们会为您解决。（它们不会，但是您至少可以忽略无效字符，以便可以加载XML）

或者，您可以走很长的路，自己验证/修复序列。这将需要一段时间，具体取决于您对UTF-8的熟悉程度。也许有图书馆可以做到这一点，尽管我什么都不知道。

无论哪种方式，都请通知数据提供者他们正在发送无效数据，以便他们可以对其进行修复。

这是部分修复。它绝对不会修复所有问题，但会修复其中的一些问题。希望您能满意为止，直到您的提供者修复他们的东西为止。

function fix_latin1_mangled_with_utf8_maybe_hopefully_most_of_the_time($str)
{
    return preg_replace_callback('#[\\xA1-\\xFF](?![\\x80-\\xBF]{2,})#', 'utf8_encode_callback', $str);
}

function utf8_encode_callback($m)
{
    return utf8_encode($m[0]);
}