从xml文件读取特定字符到php文件

Question

当我将XML文件中的特定字符读取到PHP文件时，我遇到了一个问题。

我使用像“ä”、“ü”和“ö”这样的字符。我得到以下错误：

simplexml_load_string（）[function.simplexml-load-String]：实体：第96行：解析器错误：输入不正确的UTF-8，指示编码！字节：0xFC 0x73 0x65 0x0C

Answer 1

您得到的XML字符串没有正确编码。默认编码是UTF-8，但是您得到的字符串不同，很可能是Windows-1252。

如果你想让这个错误消失，你需要将这个字符串（通过你问题中缺失的信息：）从未知编码重新编码为UTF-8。

由于未知的编码被破坏，您需要首先找出/了解字符串的编码。

然后，您可以将其转换为UTF-8，或者将编码插入XML字符串中，这很容易通过xmlrecord检查和修改基于XML声明和BOM的XML文档的字符编码。它的部分内容在PHP XMLReader中进行了解释，获得了关于XMLReader的版本和编码，但与SimpleXML一样，它也是一个基于libxml的PHP XML扩展，并共享了一些共同点，因此这是可行的。

用法示例：

$buffer = file_get_contents($file);

$fromEncoding = 'WINDOWS-1252';  # insert *your* correct string encoding here

$recoder = new XMLRecoder();
$buffer  = $recoder->setEncodingDeclaration($buffer, $fromEncoding);

$sxml = simplexml_load_string($buffer);

为了更好地理解PHP中的XML编码以及可用的字符集编码和名称，请参阅：

• 如何获得php中iconv库支持的编码列表？（SimpleXML和其他PHP XML库在内部使用iconv库，将文档中的字符集转换为UTF-8的内存表示形式）

Answer 2

PHP5和早期版本没有原生Unicode支持。promise支持Unicode的PHP6或PHP7可能需要几年时间。为了弥补这一差距，有几个扩展，如mbstring、iconv和intl。

确保发送带有适当内容类型和编码的HTML响应，例如。

<?php header('Content-Type: text/html; charset=utf-8');?>

还要检查XML文件序言是否包含正确的编码，例如。

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

假设这一切都是正确的，看起来xml文件声称是UTF-8，但实际上是别的东西（可能是latin1或ISO-8859-1或Mojibake。）。您可以在您最喜欢的编辑器中手动打开XML文件（我喜欢Sublime），并用UTF8编码显式保存文件。或者您可以使用一个函数在加载前尝试修改字符串。就像来自：错误：“输入不是正确的UTF-8，指示编码！”使用PHP的simplexml_load_string

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]);
}

但是归根结底，它会很混乱，PHP似乎仍然没有像我们希望的那样处理Unicode，而且它根本没有内置到核心中。

我们建议您查看便携式UTF-8-一个用于PHP中Unicode处理的轻量级库。