解析XML特殊字符（UTF-8）

我開始接觸一些XML，看起來像這樣（簡化）：解析XML特殊字符（UTF-8）

<?xml version="1.0" encoding="UTF-8"?> 
<alldata> 
    <data name="Forsetì" /> 
</alldata> 
</xml>

但我已經與simplexml_load_string特殊字符解析之後（在我）變成：Ã¬這顯然是很傷人的。

有沒有辦法來防止這種情況發生？

我知道XML是好的，當保存爲.txt並在瀏覽器中查看字符是好的。當我在XML上使用simplexml_load_string，然後將值保存爲文本文件或數據庫時，它的內容會變形。

來源

2010-02-28 Stomped

確實顯示頁面上的編碼是正確的？ – jasonbar 2010-02-28 01:29:50

這看起來是的SimpleXML創建一個UTF-8字符串，然後在ISO-8859-1（Latin-1的）或一些接近像CP-1252呈現。

當您將結果保存到文件並通過Web服務器提供該文件時，瀏覽器將使用文件中聲明的編碼。

包括在網頁中
因爲你的網頁編碼不是UTF-8，您需要將字符串轉換成什麼編碼您使用的，例如ISO-8859-1（Latin-1的）。

這是很容易使用的iconv（）完成：

$xmlout = iconv('UTF-8', 'ISO-8859-1//TRANSLIT', $xmlout);

保存到數據庫
您的數據庫列不使用UTF-8排序，所以你應該使用iconv的字符串轉換爲字符集你的數據庫使用。

假設您的數據庫排序規則與您所呈現的編碼規則相同，那麼在從數據庫讀取數據時就不必做任何事情。

說明
在UTF-8，一個爲0xC2前綴字節被用於訪問「拉丁補充-1」塊，其中包括的字符，如重音字母，貨幣符號，分數，上標2和上半3，版權和註冊商標符號，以及不間斷的空間。

但是在ISO-8859-1中，字節0xC2表示一個Â。所以當你的UTF-8字符串被誤解爲其中的一個時，你會得到Â後跟其他一些無意義的字符。

來源

2010-02-28 03:24:23

這很可能是XML很好，但字符在存儲或輸出時會受到損壞。

如果要在HTML頁面上輸出數據，請確保它以UTF-8編碼。如果您的HTML頁面在ISO-8859-1中，則可以使用utf8_decode作爲快速修復;從長遠來看，使用UTF-8是更好的選擇。

如果您要將數據存儲在mySQL中，則需要選擇UTF8作爲編碼：作爲連接的編碼，表中和列中的數據插入到數據中。

來源

2010-02-28 01:33:21

我知道XML是好的，當保存爲.txt並在瀏覽器中查看字符是好的。當我在XML上使用simplexml_load_string，然後將值保存爲文本文件或數據庫時，它的內容會變形。 – Stomped 2010-02-28 02:00:33

我也有這個問題，它來自PHP腳本編碼。確保它被設置爲UTF-8。如果仍然不好，請嘗試使用uft8_encode或utf8_decode打印變量。

來源

2010-02-28 01:34:52 Daan

XML是嚴格的，當涉及到實體，像&應該是&amp;，我應該&igrave;

所以，你需要一個轉換表。

function xml_entity_decode($_string) { 
    // Set up XML translation table 
    $_xml=array(); 
    $_xl8=get_html_translation_table(HTML_ENTITIES,ENT_COMPAT); 
    while (list($_key,)=each($_xl8)) 
     $_xml['&#'.ord($_key).';']=$_key; 
    return strtr($_string,$_xml); 
}

來源

2010-02-28 02:49:03 stillstanding

XML中唯一需要*用實體替換的字符是基本的五個標記字符：＆符號，撇號，引號和尖括號。如果文檔的編碼不支持它們，則可能需要替換其他文檔，但這對UTF-8來說不是問題。 – 2010-02-28 12:29:37

晚會......但我已經遇到了這個問題，並解決如下。

你已經在XML中聲明瞭編碼，所以如果你使用DOMDocument加載xml文件，它不會引起任何問題。

但在情況下，它在其他用途的情況下發生的，你可以使用html_entity_decode象下面這樣：

html_entity_decode($xml->saveXML());

來源

2017-07-22 11:35:07

解析XML特殊字符（UTF-8）

回答

相關問題