Question

我正在尝试创建一个脚本来将我的评论导出到Disqus，为了做到这一点，我需要创建一个巨大的XML文件。

我在UTF 8中遇到编码问题。假设该文件是UTF-8，但我需要制作utf8_decode以便正确显示我的西班牙语元素。

生成的文件是这样的：

<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
    xmlns:content="http://purl.org/rss/1.0/modules/content/"
    xmlns:dsq="http://www.disqus.com/"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:wp="http://wordpress.org/export/1.0/"
>
<channel>
    <wp:comment>
        <wp:comment_id>26</wp:comment_id>
        <wp:comment_author>KA_DIE</wp:comment_author>
        <wp:comment_author_email> </wp:comment_author_email>
        <wp:comment_author_url></wp:comment_author_url>
        <wp:comment_author_IP> </wp:comment_author_IP>
        <wp:comment_date_gmt>2009-07-16 18:53:19</wp:comment_date_gmt>
        <wp:comment_content><![CDATA[WTF TEH Gladios en español <br />tnx tnx <br />me usta mucho esa web estoy pendiente mucho se su actualziacion es buen saber ke esta en español <br />x que solo entendia el 80, 90% de la paguina jiji]]></wp:comment_content>
        <wp:comment_approved>1</wp:comment_approved>
        <wp:comment_parent>0</wp:comment_parent>
    </wp:comment>
</channel>
</rss>

出于安全原因（如IP或电子邮件）删除了数据。如您所见，它包含“ñ”字母。但是显示的XML会引发错误：

XML读取错误：编写错误

我不知道确切的翻译，但它在内容行中崩溃了。代码生成如下：

public function generateXmlElement (){
            $xml = "<wp:comment>
                        <wp:comment_id>$this->id</wp:comment_id>
                        <wp:comment_author>$this->author</wp:comment_author>
                        <wp:comment_author_email>$this->author_email</wp:comment_author_email>
                        <wp:comment_author_url>$this->author_url</wp:comment_author_url>
                        <wp:comment_author_IP>$this->author_ip</wp:comment_author_IP>
                        <wp:comment_date_gmt>$this->date</wp:comment_date_gmt>
                        <wp:comment_content><![CDATA[$this->content]]></wp:comment_content>
                        <wp:comment_approved>$this->approved</wp:comment_approved>
                        <wp:comment_parent>0</wp:comment_parent>
            </wp:comment>";
            return $xml;
        }

然后fwrite到一个文件。

你知道应该是什么问题吗？

Answer 1

问题很可能是您的XML不是UTF-8编码的，但实际上是其他东西（ISO-8859-1？）。字符'ñ'（U + 00F1）以UTF-8编码为2个八位字节0xC3B1。在Windows 1252代码页和ISO-8859编码中，'ñ'是单个八位字节0xF1。

您的XML文件在文件开头是否有Unicode BOM（U + FEFF）？ BOM（如果存在）表示编码和字节顺序。

0xEFBBBF：UTF-8。字节顺序并不重要。
字节顺序对UTF-16和UTF-32非常重要：
- 0xFFFE：UTF-16，little-endian
- 0xFEFF :( big-endian）
- 0xFFFE0000：UTF-32，little-endian
- 0x0000FEFF：UTF-32，big-endian

XML标准规定，如果不存在BOM并且不存在表示编码的XML声明，则默认情况下该文档应解释为UTF-8编码。我相信如果它们是BOM（如果存在）和XML声明中指定的编码之间的差异，那么会发生什么变得模糊。

可能是您的文件的XML声明不正确（例如，而不是说UTF-8，XMl声明应该说ISO-8859-1。

Answer 2

您应该使用适当的XML库来生成XML。 LibXML2与PHP捆绑在一起，可从PHP's DOM API访问。除了其他方面，这将处理编码问题。通常情况就是如此，这是一项前期学习投资，其好处不会立即明确。但是有一个好处。

由于UTF8编码错误导致XML读取错误

2 个答案: