Question

我正在使用XMLReader来解析来自第三方的XML。这些文件应该是UTF-8，但是我收到了这个错误：

parser error : Input is not proper UTF-8, indicate encoding !

Bytes: 0x11 0x72 0x20 0x41 in C:\file.php on line 166

查看notepad ++中的XML文件，可以清楚地知道导致这种情况的原因是：有问题的行中包含一个控制字符DC1。

XML文件由第三方提供，我无法可靠地解决此问题/确保将来不会发生这种情况。有人可以推荐一个处理这个问题的好方法吗？我想取消控制字符 - 在这种特殊情况下，只是从XML文件中删除它很好 - 但我担心总是这样做会导致无法预料的问题。感谢。

Answer 1

为什么第三方无法可靠地解决此问题？如果他们的XML中有非法字符，我会打赌这是一个有效的问题。

话虽如此，为什么不在使用str_replace解析它之前删除该字符？

Answer 2

如果字符串有效 UTF-8，您可以使用str_replace()。请注意，str_replace()将使用字节偏移，因此您不再处理PHP字符串，而是使用字节字符串。

并且有一个问题：如果你的第三方包含随机空格和控制字符，这些字符在XML中没有用处，你可能会认为它们最终会破坏UTF-8。因此，在确定他们当前的当前转储并非完全无用之前，您不能放心地使用str_replace()（只是出于善意）。

也许您可以使用快捷方式将其填充到libxml DOMDocument对象中并使用@来抑制错误，让libxml库处理错误。类似的东西：

$doc = new DOMDocument();
if(@$doc->loadXML($raw_string)) {
  // document is loaded. time to normalize() it.
}
else {
  throw new Exception("This data is junk");
}

Answer 3

为什么您和第三方在XML中交换数据？据推测，双方都希望通过使用XML而不是一些随机的专有格式来获得一些好处。如果你允许它们生成错误的XML（我更喜欢称之为非XML），那么任何一方都无法获得这些好处。修补他们的方式符合他们的利益。试着让他们相信这一点。

使用PHP读取XML时处理编码错误

3 个答案: