Question

我正在编写一个XML，它将成为PostScript表单的假脱机。

每当人们插入字符EN DASH（可能是复制形式的MS Word）时，我会得到offending command: xmlerror. Stack: unicode not supported yet ....

http://www.fileformat.info/info/unicode/char/2013/index.htm

代码的相关部分是：

$xml = new SimpleXMLElement('<xml/>');
foreach( $_POST as $key => $value ) {
    $xml->$key = $value:
}
$dom = new DOMDocument('1.0');
$dom->preserveWhiteSpace = false;
$dom->formatOutput = true;
$dom->loadXML($xml->asXML());
$nombreArchivoTemporal = '/tmp/'.time().rand();
$archivo = fopen ( $nombreArchivoTemporal, "wb" );
fwrite ( $archivo, iconv('UTF-8', 'CP1252//TRANSLIT//IGNORE', "@PBSSFORM DNDA\n" . $dom->saveXML()) );
fclose ( $archivo );

事实是支持ÄËÏÖÜáéíóú, etc个字符，但EN DASH和其他可能不支持iconv个字符。我试图用$xml函数去除它们但似乎不起作用，因为当我插入<?xml version="1.0"?> <xml> <date/> <tituloObra>áéíóúÁÉÍÓÚäëïöüÄËÏÖÜ – <= guión</tituloObra>时，该字符已经是html-entity编码：

&#x2013;

{{1}}是有问题的角色。

Answer 1

EN DASH U + 2013存在于CP1252中。名称CP1252是windows-1252的常用但非官方名称，在IANA注册表中定义，因此字节0x95代表U + 2013。

Answer 2

问题是与SimpleXML有关的问题。我已经尝试了将SimpleXML转换为CP1252的所有内容，但当我在DOMDocument->loadXML中加载它时，我总是遇到Illegal character...错误

我已直接使用DOMDocument类替换它，在构造函数中指定CP1252并将新记录插入UTF8。

当我呼叫DOMDOcument->Save()时，它会自动将文件编码为CP1252，避免PostScript中提到的错误。

修复XML中的字符编码

2 个答案: