使用 DOMDocument 解析 xml 文件时的字符编码答案

【问题标题】：Character encoding while using DOMDocument for parsing a xml-file使用 DOMDocument 解析 xml 文件时的字符编码
【发布时间】：2014-12-29 00:40:05
【问题描述】：

我在读取 xml 文件时遇到错误的字符编码问题。

虽然这个正确显示了文件的完整内容...

$reader = new DOMDocument();
$reader->preserveWhiteSpace  = false;
$reader->load('zip://content.odt#content.xml');
echo $reader->saveXML();

...这给了我一个奇怪的输出（德语变音符号、破折号、µ 或类似字符未正确显示）：

$reader = new DOMDocument();
$reader->preserveWhiteSpace  = false;
$reader->load('zip://content.odt#content.xml');
$elements = $reader->getElementsByTagName('text');
foreach($elements as $node){
    foreach($node->childNodes as $child) {
        $content .= $child->nodeValue;
    }
}
echo $content;

我不知道为什么会这样。希望有人能给我解释一下。

【问题讨论】：

标签： php xml character-encoding domdocument

【解决方案1】：

DOMDocument::saveXML()

此方法将整个 XML 文档作为字符串返回。与任何 XML 文档一样，编码在 XML declaration 中给出，或者它具有默认编码，即 UTF-8。

DOMNode::$nodeValue

包含节点的值，通常是文本。 DOMDocument 库返回的所有文本字符串 - 其中 DOMNode 是其中的一部分 - 采用 UTF-8 编码，无论 XML 文档的编码如何。

在你写的时候，如果你显示第一个：

echo $reader->saveXML();

所有元音变音都被保留，很可能 XML 本身带有与 UTF-8 不同的编码，因为后者

$content .= $child->nodeValue;
...
echo $content;

不这样做。

由于您没有分享您显示和读取输出的方式和应用程序，因此无法多说。

您很可能需要在后一种情况下向显示应用程序提示字符编码。例如，如果您在浏览器中显示文本，则应在开头添加适当的内容类型标题：

header("Content-Type: text/plain; charset=utf-8");

与How to set UTF-8 encoding for a PHP file比较。

【讨论】：