DOMDocument 解析 CDATA 中的数据

Question

我有这个 xml（必须通过 HTML 剪切/粘贴）。

<tr>
    <td>http://www.example.co.uk/the-view-from-22/feed/</td>
    <td>Example Blogs » The View from 22 » Example Blogs</td>
    <td>http://blogs.example.co.uk/</td>
    <td><![CDATA[Listen: The Example&rsquo;s verdict on the debate]]></td>
    <td>http://blogs.example.co.uk/coffeehouse/2015/04/podcast-special-the-debate/</td>
</tr>

它正在被加载到一个 XML dom 文档中

   $dom = new DOMDocument();
   $dom->preserveWhiteSpace = false;
   $dom->formatOutput = true;
   $dom->loadXML( $xml->asXML() );
   return $dom->saveXML();

但这会引发一个关于“’”的错误。实体未定义。

警告：DOMDocument::loadXML() [domdocument.loadxml]: Entity 'rsquo' 未在 Entity 中定义，...

因为它在 CDATA 部分中，所以我希望 DOMDocument 将其视为文本并忽略它......但它没有......有没有办法解决这个问题？

数据是直接从视图中的 mysql 数据库中提取的，因此首先“修复它”的空间不大 - 我在视图的 select 子句中添加了 CDATA，这是我的尝试修复！

编辑 按照下面的建议追溯它（干杯！）

正在使用 $xml->addChild( $key, $value ) 加载数据，但 $value 的格式为您推测的那样正在编码。

所以我只是在尝试这个......

How to write CDATA using SimpleXmlElement?

它有效 - 我现在正在加载原始文档：-

 if (strpos(strtoupper($value),'<![CDATA[') === 0 && strpos(strrev($value),'>]]') === 0) {
                $child = $xml->addChild( $key );
                $node = dom_import_simplexml($child);
                $no   = $node->ownerDocument;
                $node->appendChild($no->createCDATASection(substr($value,9,strlen($value)-12)));

                //simple key/value child pair
            } else {
                $xml->addChild( $key, $value );
            }

Answer 1

您可以尝试替换它，如果它只有一个 ’ 而不是一大堆特殊字符。

 $dom = new DOMDocument();
 $dom->preserveWhiteSpace = false;
 $dom->formatOutput = true;
 $xml = $xml->asXML();

 $xml = str_replace('’', '’', $xml);

 $dom->loadXML($xml);
 return $dom->saveXML();

真正的问题是，’ 是如何进入您的数据库的。 修复它，在插入之前......然后你可以拉出格式良好的 XML。 https://stackoverflow.com/a/3142636/1163786

或使 rsquo 成为有效实体：

<!DOCTYPE ROOT_XML_ELEMENT [ <!ENTITY rsquo "&#8217;"> ]>

如果您的内容是 UTF-8，只需将其替换为：`

---

（我认为）原来的问题是这个：

警告：实体“rsquo”未在实体中定义，行：...

<?php

$xml = <<<XML
<tr>
    <td>Listen: The Example&rsquo;s verdict on the debate></td>
</tr>
XML;

$doc = new DOMDocument();
$doc->presverWhitespace = false;
$doc->formatOutput = true;
$doc->loadXML($xml);
echo $doc->saveXML();

因为实体 'rsquo' 不是有效的 XML，所以会弹出错误。现在 perrin 通过添加“CDATA 修复”解决了这个问题。这就是我对问题的理解。

你不需要 CDATA - 如果你

• 在根处定义实体或
• 将其添加到 DTD 以使其有效或
• 手动替换（见上文）
• 或者只是在它进入数据库之前修复它。

Answer 2

正如我用my example code 演示的那样，我无法重现您的问题。因此，我得出的结论是，您必须进行双重编码，而双重编码的数据是 XML 解析器阻塞并正确地向您发出警告的地方。只是由于双重编码，这不是立即可见的。

对数据进行一次解码，以便对其进行正确的 XML 编码。然后 DOMDocument 就可以轻松加载了。

---

旧答案（对于通过搜索引擎来到这里的用户仍然有用）：

我怀疑您的问题与 $xml->asXML() 有关，因为 CDATA 部分不会产生该错误。

有更好的方法先转换成DOMDocument：

$dom = dom_import_simplexml($xml)->documentElement;

这也应该保留 CDATA 部分的编码（不是 100% 肯定）。对于您的格式，您可能需要重新加载文档，但也许您不需要。试试

$dom->preserveWhiteSpace = false;
$dom->formatOutput = true;
$result = $dom->saveXML();

如果结果还不是您正在寻找的预期漂亮打印格式， 您可以从 dom 重新加载文档：

$dom->preserveWhiteSpace = false;
$dom->formatOutput = true;
$dom->loadXML($dom->saveXML());
$result = $dom->saveXML();

我希望这是 DOMDocument，以前的 CDATA 编码字符没有问题，类似于实体。

转换函数dom_import_simplexml() is in the manual 和 SimpleXML 和 DOM 共享接口，如果你想在 DOM 和 SimpleXML 之间切换或反之，使用它应该是首选方式。