如何反序列化xml字符串以及NCR unescaping？

Question

我有一个序列化的XML字符串，我想将其转换为XML对象。但是他的字符串包含很少的数字字符引用，如¥。我使用simplexml_load_string进行反序列化，但它不会忽略这些字符。

如果我使用html_entity_decode进行浏览，则字符串中存在的URL的查询参数中的&也会被取消转义，从而使XML解析器的URL无效。例如， https://testURL.com?param1=a&param2=b转换为https://testURL.com?param1=a&param2=b，现在&param2是XML解析器的无效字符。

一种天真的方法是在发送到simplexml_load_string之前用&#替换所有&#，但这可能会破坏一些事情。请让我知道更好的方法。

Answer 1

听起来你所拥有的内容已被双重逃脱;您需要取消处理它的顺序，并反转这些步骤，按相反顺序以取回原始文本。

例如，如果您拥有的XML如下所示：

<thing url="https://testURL.com?param1=a&amp;param2=b" description="blah &amp;#xA5; blah" />

然后可能原始的变换是：

1. 手动转义说明，将¥更改为¥;保持URL不变
2. 将url和description添加为XML属性，将&转发至&

所以要反过来，你需要：

1. 反向步骤2：提取url和description属性（使用SimpleXML）
2. 反向步骤1：取消description值，但保持url值不变

给你：

// Step 1; reverses the original step 2
$sx = simplexml_load_string($xml);
$url = (string)$xml['url'];
$description = (string)$xml['description'];

// Step 2; reverses the original step 1
$description = html_entity_decode( $description );