XML中的項目符號「•」

與此類似question 我在使用XML產品，其中包含一些非法字符。我嚴重懷疑我可以讓他們解決問題，但我會嘗試。與此同時，我想要一個解決方法。XML中的項目符號「•」

問題是它包含一個子彈。它在我的源代碼中呈現爲「？」。我已經嘗試了一些編碼轉換，但還沒有找到可行的組合。（我不習慣甚至考慮我的編碼類型，所以我在這裏不在我的元素中。）所以，我嘗試了下面的代碼，看起來str_replace不能識別「•」。（它在我的文本編輯器中呈現爲高塊）您可以看到我嘗試了幾個不同的東西的註釋行。

我試着STR更換「â€¢」，然後再圍繞調整了，這是我最新的：

// deal with bullets in XML. 
$bullet="•"; //this was copied and pasted from transliterated text. 
//$data=iconv("UTF-8", "windows-1252//TRANSLIT", $data); //transliterate the text: 
//$data=str_replace($bullet,'&#8226;',$data); // replace the bullet char 
$data=str_replace($bullet,' - ',$data); // replace the bullet char 
//$data=iconv("windows-1252", "UTF-8", $data); // return the text to utf-8 encoding.

任何想法如何剝離或更換該字符？如果有一個函數可以預先清理XML，那就太棒了，我不必擔心它。

來源

2013-04-15 TecBrat

你確定'$ data'中沒有可能導致錯誤的其他字符嗎？如果你嘗試使用'DOMDocument :: loadHtml（）'讀取文檔呢？如果xml無效，此方法更容易 – hek2mgl

U + 2022是[XML中的合法字符]（http://www.w3.org/TR/2000/REC-xml-20001006#charsets）。但是，它在名稱標記中無效。它如何被使用？ –

看看[這個帖子]（http://stackoverflow.com/questions/11768839/utf-8-decode-for-php）和[這個資源，派。 3]（http://blog.loftdigital.com/blog/php-utf-8-cheatsheet） - 他們告訴你如何設置php默認使用utf-8編碼，以及如何在不同的編碼之間進行轉換在個案基礎上做到這一點（但如果你必須這樣做，你應該真正問自己）。 – collapsar

XML根據定義沒有非法字符。如果某個字符串包含不屬於XML的字符，那麼該字符串不是定義爲的XML 。

您關心的字符是Unicode的一部分。由於XML基於Unicode，這是個好消息。所以，讓我們命名你的目標是什麼：

Unicode Character 'BULLET' (U+2022)

所以你說現在它呈現爲â€¢。因爲U + 2022在UTF-8中被編碼爲0xE2 0x80 0xA2，所以假設你採用UTF-8編碼的字符串（這是XML btw中使用的默認編碼）但命令軟件是或多或少安全的假設使得它把它當作一些單字節編碼，因此轉單碼點分成三個不同的角色：

Unicode Character 'LATIN SMALL LETTER A WITH CIRCUMFLEX' (U+00E2)

Unicode Character 'EURO SIGN' (U+20AC)

Unicode Character 'CENT SIGN' (U+00A2)

相反，你需要指揮渲染應用程序以使用UTF-8編碼。這應該立即解決您的問題。因此，找到引入錯誤編碼的位置，您可能不需要重新編碼它，只是爲了正確提示編碼。

如果您想知道哪些單字節字符編碼在相應的字節（0xE2 0x80 0xA2）處具有這三個Unicode字符，則這是一個列表。我已經強調了最流行的一個：

ISO-8859-15（拉丁語9）

OEM 858（多語言拉丁文I +歐元）

的Windows 1252（拉丁文I）

的Windows 1254（土耳其）

的Windows 1256（阿拉伯語）

的Windows 1258（越南）

來源

2013-04-15 20:47:23

您上面的粗體文本與我的文檔匹配。它說''我還沒有嘗試過改變它。我可能，但我擔心意外的後果。所以我正在尋找解決方法。這是爲了工作，老闆說它不夠重要，所以我會放棄它，但無論如何接受這個答案。至於你的第一段，谷歌搜索「[xml刪除非法字符]（http://goo.gl/AQTjo）」的結果足以讓我相信編碼世界的其他部分不同意。 – TecBrat

我的實際問題的解決方案，直到我可以編輯一個單獨的文件，是添加'AddDefaultCharset UTF-8'在我的.htaccess文件（apache）該網站的其餘部分似乎沒有受到這種強制字符集更改，它修理了我的破碎子彈。 – TecBrat

XML中的項目符號「•」

回答

相關問題