Question

我有一个问题，用PHP加载一个xml文件。我使用DOMDocument，因为我需要函数getElementsByTagName 我用这个代码。

$dom = new DomDocument('1.0', 'UTF-8');
$dom->resolveExternals = false;
$dom->load($_FILES["file"]["tmp_name"]);

$dom = new DomDocument('1.0', 'UTF-8');
$dom->resolveExternals = false;
$dom->load($_FILES["file"]["tmp_name"]);

的ErrorMessage：
警告：DOMDocument :: load（）[domdocument.load]：实体'rsquo'未在/ tmp / php1VRb3N中定义，第4行/www/htdocs/bla/upload.php中第4行

Answer 1

为了使用该实体，必须在DTD中定义它。否则它是无效的XML。如果您没有DTD，则应在使用DOM加载XML之前对实体进行解码：

$dom->load(
    html_entity_decode(
        file_get_contents($_FILES["file"]["tmp_name"]), 
        ENT_COMPAT, 'UTF-8'));

Answer 2

您的XML解析器没有说谎。这是一个无效（甚至没有格式良好）的文档，你将无法加载任何东西。

rsquo是HTML中的预定义实体，但不是XML。在XML文档中，如果您想使用除最基本的内置实体（amp，lt，gt，quot和apos）以外的任何内容，必须在<!DOCTYPE>声明引用的DTD中定义它们。（这就是XHTML如何做到的。）

您需要找出输入的来源并修复负责创建输入的内容，因为目前它根本不是XML。使用字符引用（’）或仅使用UTF-8编码的普通文字字符’。

作为最后的手段如果你真的不得不接受这个输入错误的废话，你可以对文件进行令人讨厌的字符串替换：

$xml= file_get_contents($_FILES['file']['tmp_name']);
$xml= str_replace('&rsquo;', '&#8217;', $xml);
$dom->loadXML(xml);

如果您需要为所有非XML HTML实体执行此操作，而不仅仅rsquo这样做有点棘手。你可以做一个正则表达式替换：

function only_html_entity_decode($match) {
    if (in_array($match[1], array('amp', 'lt', 'gt', 'quot', 'apos')))
        return $match[0];
    else
        return html_entity_decode($match[0], ENT_COMPAT, 'UTF-8');
}
$xml= preg_replace_callback('/&(\w+);/', 'only_html_entity_decode', $xml);

这仍然不是很好，因为它会在评论，CDATA部分和PI之类的地方发送任何&\w+;字符序列，这实际上并不意味着实体引用。但考虑到这种破坏的输入，它可能是你能做的最好的事情。

这肯定比在整个文档上调用html_entity_decode更好，这也会弄乱任何XML实体引用，导致文档在存在&或<时中断。 / p>

另一个以不同方式存在疑问的黑客是使用loadHTML()加载文档。

Answer 3

在bobince的帮助下我的解决方案是：

    $xml= file_get_contents($_FILES['file']['tmp_name']);
    $xml= preg_replace('/&(\w+);/', '', $xml);
    $dom = new DomDocument();
    $dom->loadXML($xml);

使用HTML特殊字符加载DOMDocument（php）

3 个答案: