Question

我使用DOMDocument类在PHP中生成了一个XML文件，数据是从MySQL数据库中获取的。很多数据都包含HTML标记，但我已将所有数据都包含在CDATA部分中。

首先，文件有很多编码错误，但是在将文件放入文件之前通过utf8_encode（）运行所有内容似乎修复了除一个之外的所有错误。

以下是我现在的错误：

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

我在这里发现了一些类似错误的帖子，但没有一个解决了我的问题，或建议使用utf_encode（）。以下是似乎触发错误的部分：

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

错误似乎在CDATA [和The之间]，虽然我看不到它之间的任何字符，但该文件中的每个其他CDATA块都是相同的。如果我删除整个Features元素及其内容，则文件加载正常。

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

Answer 1

问题最终成为CDATA标签中存在的非ASCII字符，正如Colin在问题评论中指出的那样。

我急于解决这个问题所以我只是使用了暴力方法并且除了utf8_encode（）之外还通过正则表达式替换了所有内容，我用过： $ output = preg_replace（'/ [^（\ x20- \ x7F）] * /'，''，$ output）; 我在这里找到了这个：http://www.stemkoski.com/php-remove-non-ascii-characters-from-a-string/

感谢科林和弗朗西斯的贡献。

Answer 2

有些字符在XML中是不允许的，即使在CDATA部分，甚至是实体编码也是如此。

您可以在UTF-8字符串（未经测试）上使用它：

$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);

PHP生成的XML文件中的编码错误

2 个答案: