Question

我在我的网站上允许一些用户输入，稍后用XML读取。每隔一段时间我就会得到这些奇怪的单引号或双引号，如”’。这些是直接从破坏我的XML的源复制的。我想知道是否有一种简单的方法来纠正我的xml中的这些类型的字符。 htmlentities似乎没有触及他们。

这些角色来自哪里？我甚至不确定如何无意中输入它们。

编辑 - 我忘了澄清这些引用没有在属性中使用，但是以下列方式：

<SomeTag>User’s Input</SomeTag>

Answer 1

不要禁止和/或修改外国字符;这对你的用户来说太烦人了！这只是一个编码问题。我不知道您使用什么解析器来读取XML，但如果它相当复杂，您可以通过在XML文件的顶部包含以下编码编译指示来解决您的问题：

<?xml version="1.0" encoding="UTF-8"?>

解析器的API中可能还有一个UTF-8选项。

编辑：我刚刚读到您正在浏览器中直接读取XML。大多数浏览器都会听编码编译指示！

编辑2 ：显然，这些引号在UTF-8中甚至不合法，所以请忽略我上面所说的内容。相反，您可能会找到您正在寻找的here，其中正在讨论类似的问题。

Answer 2

这些引用是在文本内容中使用还是用于分隔属性？对于属性分隔符，XML需要打字机引号（单引号或双引号）。微软和其他文字处理应用程序经常试图变得聪明，并用打印报价取代打字机报价，这几乎肯定是“它们来自哪里？”这个问题的答案。

如果您需要摆脱它们，使用文本编辑器进行简单的全局替换可以很好地完成工作。

但是你可能会先尝试解决它们导致问题的原因。也许你的数据流无法处理任何非ASCII字符，在这种情况下，这是一个你真正应该解决的更深层次的问题（通常意味着一些不需要的转码在某个地方徘徊）。

Answer 3

远离MicroSoft Office应用程序。 Word，Excel等习惯用非标准的“智能引号”替换匹配的单引号和双引号。

这些引号字符是真正的非标准字符，从未成为官方的latin-1字符集。所有MS Office应用程序都“帮助”用这些可恶的名称替换标准引号字符。

只需谷歌“撤消smatquotes”或“转换智能引号”以获取提示提示和正则表达式以摆脱这些。

Answer 4

如果输入字符串是UTF-8编码的，您可能需要指定htmlentities（），例如：

$html = htmlentities( '”’', ENT_COMPAT, "utf-8" );
echo $html;

对我来说：

&rdquo;&rsquo;

而

$html = htmlentities( '”’' );
echo $html;

感到困惑：

&acirc;??&acirc;??

如果输入字符串是非UTF-8，那么您需要相应地调整htmlentities（）的编码arg。

Answer 5

使用

＆＃xA;＆＃xA;

  $ s ='用户输入';＆＃xA; $ descriptfix = preg_replace（'/ [“”] /'，'\“'，$ s）;＆＃xA; $ descriptfix = preg_replace（'/ [''] /'，'\''，$ descriptfix）; ＆＃xA; echo“＆lt; SomeTag＆gt; htmlentities（$ s）＆lt; / SomeTag＆gt;”;＆＃xA;

＆＃xA;

XML中的非法非标引号

5 个答案: