Question

我正在从来自数据库（以及一些JSON供稿）的数据生成XML。

我的一些文本存在一些问题，这些文本包含一些破坏我的XML的十六进制字符。

例如，请参阅我从Chrome获得的错误的屏幕截图： XML error

我确定了给我带来问题的十六进制字符（我相信它们被称为控制字符）。这些是：

0x03
0x05
0x16
0x0E

如何在将这些字符打印到XML输出上之前用PHP替换这些字符？

谢谢！

Answer 1

不仅仅是那些角色会破坏它......

preg_replace('/[\x00-\x1f]/', '?', $s);

Answer 2

您列出的字符确实是控制字符，全部放在C0 set：

中

0x03 - ETX  End of Text
0x05 - ENQ  Enquiry
0x0E - SO   Shift Out
0x16 - SYN  Synchronous Idle

您应该验证这些字符是如何进入字符串的。我真的不建议删除它们（如果你打算删除它们，至少使用一个替换字符，不要只删除它们），但在这里更保守，因为那些不是无效的unicode，只需将它们转换为数字实体（this has been successfully done here, too）：

$pairs = array(
    "\x03" => "&#x03;",
    "\x05" => "&#x05;",
    "\x0E" => "&#x0E;",
    "\x16" => "&#x16;",
);
$xml = strtr($xml, $pairs);

希望这有用。

Answer 3

如果输入承诺是某个字符集，你可以使用其中一个字符集编码函数来保留最可能的数据（没有讨厌的字符丢失;文本在没有它们的情况下看起来很混乱！）。 utf8_encode可能对您有所帮助，但前提是您知道文本是ISO-8859-1。否则，假设你安装了iconv，那么你可能会有更多的运气。

在我看来，关于iconv的最好的事情是，如果你从UTF下转换到功能较弱的字符集，就能使用音译。但是，如果你编码为UTF-8，你可能想要这样的东西：

$resultText = iconv("ISO-8859-1", "UTF-8//IGNORE", $inputText );

Answer 4

preg_replace("/[[^0]\x03-[^0]\x05\-[^0]\x16-[^0]\x0E]/", '', $string);