SimpleXML和法文字符

Question

我在一家国际公司工作，因此我们有很多语言需要适应。我对一些特殊的角色有问题。

我创建了一个独立的测试php页面，以消除系统可能引入的任何其他问题。

从我通读的各个页面中，我发现SimpleXML以UTF-8的形式处理XML。例如：返回的PHP SimpleXML值使用奇怪的字符代替连字符和撇号

所以我在页面的顶部这样做：

header("Content-type:text/html; charset=UTF-8");

然后我这样做是为了检查：

print mb_internal_encoding();

不确定这是否是正确的功能，但它在FF和Chome中为我提供了ISO-8859-1。

XML如下所示：

$xml = '<?xml version="1.0" encoding="ISO-8859-15"?>
<Tracking>
<File>
<FileNumber>çúé$`~  €   Š   š   Ž   ž   Œ   œ   Ÿ</FileNumber>
<OrigBranch>124</OrigBranch>
<Login></Login>
</File>
</Tracking>';

这打印出来都很有趣，但是对于我需要的页面，我不太明白它是如何在浏览器中打印出来的，因为实际的页面实际上是从cron将XML导入到MYSQL数据库中的，所以不太重要。不过它在FF上是这样显示的

print $xml;
���$`~ � � � � � � � � � 124

然后创建SimpleXML对象：

$parser = new SimpleXMLElement($xml);
print_r($parser);

这打印出来：

[File] => SimpleXMLElement Object
    (
        [FileNumber] => çúé$`~                           
        [OrigBranch] => 124
        [Login] => SimpleXMLElement Object
            (
            )

    )

我不太担心打印$xml；，中的有趣字符；，但是，还需要修复正在插入数据库的SimpleXMLElement对象中的字符。为什么SimpleXMLElement对象会丢失“~”之后的字符。我试图在头函数调用中将字符集更改为ISO-8859-15，但这只会导致print$xml；外观稍好，但“~”后仍缺少字符，但SimpleXMLElement给出了致命错误：

'String could not be parsed as XML

我在解析XML之前尝试过：

$xml = mb_convert_encoding($xml, "ISO-8859-15");
$xml = iconv('UTF-8', 'ISO-8859-15//TRANSLIT', $xml)

但这些也没有帮助。有什么建议吗？

Answer 1

尝试$xml='

Answer 2

如果您构建XML，请尝试对所有字符串进行Base64解码，然后在客户端读取XML并将其编码回来

Answer 3

我在latin1中创建了一个特定的文件（ISO-8859-1），名为latin1.xml，内容如下（您可以在xml标签中添加编码="UTF-8"，这是一样的）：

<?xml version="1.0"?>
<Tracking>
<File>
<FileNumber>çùé$ °à §çòò àù§</FileNumber>
<OrigBranch>124</OrigBranch>
<Login></Login>
</File>
</Tracking>

然后我在php文件中加载内容，并从ISO-8859-1转换为UTF-8，然后用SimpleXMLElement进行解析。我之前附和了xml的内容

<?php
$xml = file_get_contents('latin1.xml');
echo '<pre>'.$xml.'</pre>'."<br>";
$xml2 = iconv("ISO-8859-1","UTF-8",$xml);
echo '<pre>'.$xml2.'</pre>'."<br>";
$parser = new SimpleXMLElement($xml2);
echo '<pre>'.print_r($parser).'</pre>'."<br>";

现在加载脚本，如果您的浏览器设置为UTF-8秒，第一个回声将不会很好地显示，但第二个回声和print_r（$parser）都可以。否则，如果浏览器设置为ISO-8859-1，那么您将看到第一个回声良好，但不是第二个和print_r。

你可以根据自己的需要进行调整。

使现代化

ISO/IEC 8859-1缺少法语和芬兰语文本的一些字符，以及欧元符号。如果我能很好地理解您的评论，您可以将源文件（xml）放入ISO-8859-15，这样您就可以正确使用欧元符号。我创建了一个新文件，名为iso8859-15。xml，并将新的测试字符放在那里（也带有欧元符号）。在php文件中，我更改了第一条指令：

//$xml = file_get_contents('latin1.xml');
$xml = file_get_contents('iso8859-15.xml');

以及随后的转换：

$xml2 = iconv("ISO-8859-15","UTF-8",$xml);

现在加载脚本，如果您的浏览器设置为UTF-8秒，第一个回声将不会很好地显示，但第二个回声和SimpleXml的输出print_r（$parser）都可以。

所以，现在您已经正确地解析了xml（在UTF-8中），您可以在写DB之前转换它（如果我正确理解的话，就是在ISO-8859-15编码中）。为了更清楚，您可以在最后将这一行添加到上面的php脚本中：

echo '<pre> File number in ISO-8859-15 for db: '.iconv("UTF-8","ISO-8859-15",$parser->File->FileNumber).'</pre>'."<br>";

如您所见，我从ISO-8859-15中的simpleXml转换了UTF-8数据，就像您在DB上编写时应该做的那样。那对我有用。

希望有帮助