PHP生成的XML文件中的编码错误

Question

我已经使用DOMDocument类在PHP中生成了一个XML文件，该数据是从MySQL数据库中获取的。 许多数据包含HTML标记，但是我已经将所有数据都包含在CDATA部分中。

最初，该文件存在很多编码错误，但是在将其放入文件之前，通过utf8_encode（）运行所有内容似乎已经解决了除一个以外的所有错误。

这是我现在遇到的错误：

    error on line 5113 at column 450: Input is not proper UTF-8, indicate encoding !
    Bytes: 0x14 0x31 0x30 0x30

我在这里找到了类似错误的帖子，但是都没有解决我的问题，或者建议使用utf_encode（）。 这是似乎触发错误的部分：

    ...quiet portable package. ]]></Summary><Features><![CDATA[The EF4500iSE was designed for maximum fuel...

该错误似乎在CDATA [和The之间，尽管我看不到它们之间的任何字符，并且该字符与文件中的所有其他CDATA块相同。 如果删除整个Feature元素及其内容，则文件加载正常。

这是文件的链接： http : //test.hhdev.hothousemarketing.com/inventory.xml

Answer 1

正如Colin在问题注释中所指出的，问题最终是CDATA标记中存在一个非ASCII字符。

我急于解决这个问题，所以我只使用了蛮力方法，并且除了utf8_encode（）以外，还通过正则表达式替换来运行所有内容，我使用了：$ output = preg_replace（'/ [^（\\ x20- \\ x7F）] * /'，''，$ output）; 我在这里找到了： http : //www.stemkoski.com/php-remove-non-ascii-characters-from-a-string/

感谢Colin和Francis的贡献。

Answer 2

有些字符甚至在CDATA节中甚至在实体编码中都不允许在XML中使用。

您可能可以在UTF-8字符串上使用此功能（未经测试）：

$xml_legal_chars = preg_replace('/[\x{00}-\x{08}\x{0B}\x{0C}\x{0E}-\x{1F}\x{D800}-\x{DFFF}\x{FFFE}\x{FFFF}]/u', '', $utf8string);