Question

我正在使用SimpleXML加载一些xml文件（我没有写/提供这些文件并且无法真正改变格式）。

偶尔（例如，每50个左右有一个或两个文件），它们不会逃避任何特殊字符（大多数是＆amp ;,但有时也会出现其他随机无效的字符）。这创建并发布，因为带有php的SimpleXML失败了，我真的不知道处理解析无效XML的任何好方法。

我的第一个想法是将XML预处理为一个字符串并将所有字段放在CDATA中以便它可以工作，但是由于一些不正当的原因，我需要处理的XML将所有数据放在属性字段中。因此我不能使用CDATA的想法。 XML的一个例子是：

 <Author v="By Someone & Someone" />

在使用SimpleXML加载之前，最好的方法是处理这个以替换XML中的所有无效字符？

Answer 1

您需要的是使用libxml的内部错误来定位无效字符并相应地转义它们。这是我如何写它的模型。请查看libxml_get_errors()的错误信息结果。

function load_invalid_xml($xml)
{
    $use_internal_errors = libxml_use_internal_errors(true);
    libxml_clear_errors(true);

    $sxe = simplexml_load_string($xml);

    if ($sxe)
    {
        return $sxe;
    }

    $fixed_xml = '';
    $last_pos  = 0;

    foreach (libxml_get_errors() as $error)
    {
        // $pos is the position of the faulty character,
        // you have to compute it yourself
        $pos = compute_position($error->line, $error->column);
        $fixed_xml .= substr($xml, $last_pos, $pos - $last_pos) . htmlspecialchars($xml[$pos]);
        $last_pos = $pos + 1;
    }
    $fixed_xml .= substr($xml, $last_pos);

    libxml_use_internal_errors($use_internal_errors);

    return simplexml_load_string($fixed_xml);
}

Answer 2

我认为用于创建compute_position函数的workaroung将在处理之前使xml字符串变平。重写Josh发布的代码：

function load_invalid_xml($xml)
{
    $use_internal_errors = libxml_use_internal_errors(true);
    libxml_clear_errors(true);

    $sxe = simplexml_load_string($xml);

    if ($sxe)
    {
        return $sxe;
    }

    $fixed_xml = '';
    $last_pos  = 0;

    // make string flat
    $xml = str_replace(array("\r\n", "\r", "\n"), "", $xml);

    // get file encoding
    $encoding = mb_detect_encoding($xml);

    foreach (libxml_get_errors() as $error)
    {
        $pos = $error->column;
        $invalid_char = mb_substr($xml, $pos, 1, $encoding);
        $fixed_xml .= substr($xml, $last_pos, $pos - $last_pos) . htmlspecialchars($invalid_char);
        $last_pos = $pos + 1;
    }
    $fixed_xml .= substr($xml, $last_pos);

    libxml_use_internal_errors($use_internal_errors);

    return simplexml_load_string($fixed_xml);
}

我添加了编码内容，因为我遇到了简单的数组[索引]从字符串中获取字符的问题。

这一切都应该有用，但是，不知道为什么，我已经看到$ error-＆gt;列给了我一个不同的数字。尝试通过简单地在xml中添加一些无效字符来调试它，并检查它将返回什么值，但没有运气。希望有人能告诉我这种方法有什么问题。

PHP - 处理无效的XML

2 个答案: