使用PHP的XMLReader，DOM和SimpleXML強制采用UTF8格式

Question

我們有一個腳本來解析用戶生成的源中的XML提要，這些源有時會包含格式不正確的帶有特殊字符的條目。

雖然我通常只在行上運行utf8_encode（），但由於DOM逐漸讀取文件並且在執行expand命令時引發錯誤，因此我不確定如何執行此操作。

由於simple_xml對代碼造成阻塞，因此后續行也將關閉。

這是代碼。

$z = new XMLReader; 
$z->open($filename); $doc = new DOMDocument('1.0','UTF-8');         
while ($z->read() && $z->name !== 'product');   
while ($z->nodeType == XMLReader::ELEMENT AND $z->name === 'product'){
$producti = simplexml_import_dom($doc->importNode($z->expand(), true));
print_r($producti);
}

錯誤：

消息：XMLReader :: expand（）：foo.xml：29081：解析器錯誤：輸入的UTF-8輸入不正確，表示編碼！ 字節：0x05 0x20 0x2D 0x35

嚴重程度：警告

消息：XMLReader :: expand（）：擴展時發生錯誤

文件名：controllers / feeds.php

行號：106

消息：傳遞給DOMDocument :: importNode（）的參數1必須是DOMNode的實例，給定為boolean

文件名：controllers / feeds.php

行號：106

Answer 1

首先使用HTML Tidy庫清除您的字符串。

另外，我最好使用DOMDocument而不是XMLReader。

像這樣：

        $tidy = new Tidy;

        $config = array(
                'drop-font-tags' => true,
                'drop-proprietary-attributes' => true,
                'hide-comments' => true,
                'indent' => true,
                'logical-emphasis' => true,
                'numeric-entities' => true,
                'output-xhtml' => true,
                'wrap' => 0
        );

        $tidy->parseString($html, $config, 'utf8');

        $tidy->cleanRepair();

        $xml = $tidy->value; // Get clear string

        $dom = new DOMDocument;

        $dom->loadXML($xml);

        ...