Xml中的非法字符

我有一個PHP文件，它根據從多個源導入的數據生成Xml站點地圖。由於導入數據的一行中存在非法字符，我的站點地圖目前沒有正確形成，但我正在努力將其刪除。Xml中的非法字符

該字符看起來代表'平方'或上標2，並表示爲正方形。我試過把它粘貼到一個十六進制編輯器中，但它被顯示爲？，並且十六進制代碼也對應於？。我也嘗試使用iconv從所有源編碼轉換到所有目的地編碼，沒有組合去除這個字符。

我也有以下函數刪除非ASCII字符：

function stripInvalidXml($value) 
{ 
    $ret = ""; 
    $current; 
    if (empty($value)) 
    { 
     return $ret; 
    } 

    $length = strlen($value); 
    for ($i=0; $i < $length; $i++) 
    { 
     $current = ord($value{$i}); 
     if (($current == 0x9) || 
      ($current == 0xA) || 
      ($current == 0xD) || 
      (($current >= 0x20) && ($current <= 0xD7FF)) || 
      (($current >= 0xE000) && ($current <= 0xFFFD)) || 
      (($current >= 0x10000) && ($current <= 0x10FFFF))) 
     { 
      if($current != 0x1F) 
      { 
       $ret .= chr($current); 
      } 
     } 
     else 
     { 
      $ret .= " "; 
     } 
    } 


    return $ret; 
}

但是這仍然沒有刪除它。如果我單步執行代碼，非法角色會擴展到＆＃65535;在月食調試窗口中。它是一種與低於問題的字符串（希望它正確地貼）

251gm-50

上的功能的任何想法，這將刪除此字符，並防止這種形式的出現是非常感激 - 我沒有什麼控制權導入的數據，因此需要在Xml生成時完成。

編輯

張貼我可以看到的字符不能正確顯示後。在Eclipses窗口中查看時，它顯示爲&＃65535; （不帶空格 - 如果我離開的空間在它呈現的特點，它看起來像＆＃65535;）

來源

2010-07-14 Macros

我覺得我一直在尋找錯了路 - 而不是編碼問題字符是代表「平方」符號的HTML實體。由於在URL中的描述只存在於搜索enging目的，我可以放心地用下面的正則表達式中刪除所有ヶ輛：

$content = preg_replace("/&#?[a-z0-9]+;/i","",$content);

來源

2010-07-14 12:15:02 Macros

這是錯誤的：因爲它在一個字節

$current = ord($value{$i}); 
    if (($current == 0x9) || 
     ($current == 0xA) || 
     ($current == 0xD) || 
     (($current >= 0x20) && ($current <= 0xD7FF)) || 
     (($current >= 0xE000) && ($current <= 0xFFFD)) || 
     (($current >= 0x10000) && ($current <= 0x10FFFF))) 
    { 
     if($current != 0x1F) 
      $ret .= chr($current); 
    }

ord()永遠不會返回不是0xFF的還有更大逐字節的方式。

我猜你的XML是無效的，因爲該文件包含無效的UTF-8序列（實際上&＃65535，即0xFFFF，在UTF-8中無效）。這可能來自具有不同編碼的不同XML文件的複製粘貼。

我建議您使用DOM extension來代替您的XML mash-up，它通過將它們內部轉換爲UTF-8自動處理不同的編碼。

來源

2010-07-14 12:05:33 Artefacto

+1提示DOM – Gordon 2010-07-14 12:10:14

很好的建議 - 我繼承了一些代碼，生成XML作爲一個字符串，DOM會是一個更簡潔的方法 – Macros 2010-07-14 12:12:54

DOM可能會產生像RSS feed那樣的矯枉過正：他可能不需要所有的操作/搜索工具，而對於大文檔，DOM結構的內存佔用可能是過度 – Iacopo 2010-07-14 12:13:47

您正在嘗試執行字符轉碼。不要自己動手，使用PHP庫。

我發現iconv非常有用：

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

此代碼從UTF-8到ISO-8859轉換，試圖重新映射「異國情調」的字符，而忽略不能轉碼的人。

我只是猜測源編碼是utf-8。您必須發現傳入數據正在使用哪種編碼，並將其轉換爲您在XML標頭中聲明的編碼。

Linux命令行工具，猜測文件的編碼是enca

來源

2010-07-14 12:10:54 Iacopo

我試圖將iconv與輸入和輸出的所有編碼組合，它不適用於任何 – Macros 2010-07-14 12:11:42

我將編碼從UTF-8更改爲ISO-8859-1，它解決了我的4f在盒子問題。 – webdad3 2011-04-05 18:56:30

Xml中的非法字符

回答

相關問題