由於錯誤的UTF8編碼導致XML讀取錯誤

Question

我正在嘗試創建一個腳本來將我的註釋導出到Disqus，爲了做到這一點，我需要創建一個巨大的XML文件。

我在使用UTF 8進行編碼時遇到了問題。它應該是UTF-8文件，但我需要製作utf8_decode才能正確顯示我的西班牙文元素。

的文件生成是這樣的：

<?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> 

出於安全原因，如IP或電子郵件被刪除的數據。正如你所看到的，它包含「ñ」字母。但顯示的XML拋出一個錯誤：

XML讀取錯誤：壞組成

我不知道確切的翻譯，但它在內容系崩潰。代碼與此生成：

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; 
     } 

然後fwrite到一個文件。

你知道應該是什麼問題嗎？

Answer 1

您應該使用合適的XML庫生成XML。libxml2的來與PHP捆綁在一起，可從PHP's DOM API獲得，這將處理編碼問題等等。這種情況通常是這種情況，這是一種前期學習投資，它的好處不會立即明確，但是有益處。

Answer 2

問題很可能是您的XML不是UTF-8編碼，而是實際上是其他內容（ISO-8859-1？）。字符'＆ntilde;' （U + 00F1）以UTF-8編碼爲2個八位位組0xC3B1。在Windows 1252代碼頁和ISO-8859編碼中，'＆ntilde'是一個八位字節0xF1。

您的XML文件在文件開頭是否有Unicode BOM（U + FEFF）？ BOM（如果存在）表示編碼和字節順序。

• 0xEFBBBF：UTF-8。字節順序不重要。
• 字節順序是顯着性爲UTF-16和UTF-32：
  • 0xFFFE：UTF-16，小端
  • 0xFEFF：（大端）
  • 0xFFFE0000：UTF-32，little-尾數
  • 0x0000FEFF：UTF-32，大端

XML標準說，如果沒有BO M存在，並且不存在指示編碼的XML聲明，該文檔應默認被解釋爲UTF-8編碼。我相信如果它們是BOM（如果存在）與XML聲明中指定的編碼之間的差異，會發生什麼情況。

這可能是因爲你的文件有一個不正確的XML聲明（例如，而不是說UTF-8，XML聲明應該說像ISO-8859-1。