PHP simplexml 实体答案

【问题标题】：PHP simplexml EntitiesPHP simplexml 实体
【发布时间】：2011-02-20 11:56:08
【问题描述】：

这是怎么回事？

$string = <<<XML
<?xml version="1.0" encoding="UTF-8"?>
    <album>
        <img src="002.jpg" caption="w&aacute;ssup?" />
    </album>
XML;

$xml = simplexml_load_string($string);
// $xmlobj = simplexml_load_file("xml.xml"); // same thing

echo "<pre>";
var_dump($xml);
echo "</pre>";

错误：

警告：simplexml_load_string() [function.simplexml-load-string]：实体：第 5 行：解析器错误：未定义实体“aacute”

【问题讨论】：

标签： simplexml php entities

【解决方案1】：

试试这个函数simplexml_load_entity_string

<?php

$string = <<<XML
<?xml version="1.0" encoding="UTF-8"?>
    <album>
        <img src="002.jpg" caption="test&lt;w&aacute;ssup?" />
    </album>
XML;

$xml = simplexml_load_entity_string($string);

var_dump($xml);

function simplexml_load_entity_string($string = '')
{
    // cover entity except Predefined entities in XML
    $string = str_replace([
        '&quot;', '&amp;', '&apos;', '&lt;', '&gt;',
    ], [
        'SPECIALquotMARK', 'SPECIALampMARK', 'SPECIALaposMARK', 'SPECIALltMARK', 'SPECIALgtMARK',
    ], $string);
    $string = html_entity_decode($string, ENT_QUOTES, "utf-8");
    $string = str_replace([
        'SPECIALquotMARK', 'SPECIALampMARK', 'SPECIALaposMARK', 'SPECIALltMARK', 'SPECIALgtMARK',
    ], [
        '&quot;', '&amp;', '&apos;', '&lt;', '&gt;',
    ], $string);

    // load xml
    return simplexml_load_string($string);
}

【讨论】：

【解决方案2】：

另一种解决方法是改变

"wássup?" to "w&aacute;ssup?"

【讨论】：

【解决方案3】：

您可能希望查看Matt Robinson's article 的另一种方法：在 PHP 中将命名实体转换为数字。它提到了html_entity_decode 方法（已经被另一个答案指出）和一些潜在的陷阱：

这种方法有两个可能的问题。第一个是无效实体：html_entity_decode() 不会触及它们，这意味着您仍然会收到 XML 错误。二是编码。我想您可能实际上并不想要UTF-8。你应该，因为它很棒，但也许你有充分的理由。如果您不告诉html_entity_decode() 使用UTF-8，它将不会转换您指定的字符集中不存在的实体。如果您告诉它以 UTF-8 输出，然后使用 iconv() 之类的东西进行转换，那么您将丢失任何不在输出编码中的字符。

另外，如果你觉得脚本比较麻烦，也可以使用shared on SourceRally。

【讨论】：

好的，但是如何获取数据呢？使用 file_get_contents()？
$feed = file_get_contents('xml.xml'); // 对字符串做任何你需要的事情，这样解析器就不会在这里出错... $xmlObj = simplexml_load_string( $feed );

【解决方案4】：

前几天我遇到了这个问题。任何出现的 & 都需要在 CDATA 标记内

<album>
    <img src="002.jpg" />
    <caption><![CDATA[now you can put whatever characters you need & include html]]></caption>
</album>

防止解析器失败。

【讨论】：

如果img 标记应该保留为 HTML，那就太好了。取决于 OP 想要什么，要么是这个，要么是解码实体。
是的，但我不能使用 CDATA，XML 文件需要像这样。带有属性中的标题。 Pekka，我怎样才能解码实体？我应该使用 file_get_contents() 获取 XML 字符串而不是解码吗？

【解决方案5】：

&aacute 不是XML entity - 您正在考虑 HTML。

特殊字符通常在 XML 中“按原样”使用 - 输入数据上的 html_entity_decode()（不要忘记指定 UTF-8 作为字符集）应该可以解决问题：

$string = html_entity_decode($string, ENT_QUOTES, "utf-8");

【讨论】：

Pekka，在我的示例中，如果我这样做：$xmlStr = file_get_contents("xml.xml"); $xml = html_entity_decode($xmlStr, ENT_QUOTES);我得到 caption="w�ssup?"
@FFish 你添加了utf-8吗？
不，我没有！几分钟内输入太多。现在可以了:-)
我在读取带有 encoding="iso-8859-1" 的 XML 文件并插入带有 utf-8 的数据库时遇到问题（行中的字段在第一个重音字符处被截断，而print_r 是完美的）。将“utf-8”添加到 html_entity_decode 已解决。谢谢。
但标题添加&lt;，仍然无法解析。见sandbox.onlinephpfunctions.com/code/…