我从其他地方搜索和处理 XML 文件，并且需要 用一些 XSLT 转换它们。没问题。使用 PHP5 和 DOM 图书馆，一切都那么简单。工作正常，到现在为止。今天，时髦 字符在 XML 文件中——来自 Word 的“智能”引号，看起来 喜欢。无论如何， DOMDocument->load 抱怨他们，说 它们不是 UTF-8，并指定编码。
你瞧，这些 XML 文件中没有指定编码。如果我 将 'encoding="iso-8859-1"' 添加到标题中，它工作正常。摩擦是 我无法控制这些 XML 文件。
将文件读入字符串，修改其标题并将其写回 到另一个地方似乎是我唯一的选择，但我更愿意这样做 它根本不必使用 XML 文件的临时副本。是 有什么方法可以简单地告诉解析器解析它们，就好像它们是 iso-8859-1？
【问题讨论】：
标签： php xml dom domdocument
这对你有用吗？
$doc = new DOMDocument('1.0', 'iso-8859-1');
$doc->load($xmlPath);
编辑：由于这似乎行不通，你可以做的是类似于你现有的方法，但没有临时文件。仅使用标准 IO 操作（file_get_contents() 或其他）从您的源读取 XML 文件，然后对您需要的编码执行任何更改（iconv() 或utf8_decode()），然后使用loadXML()
$myXMLString = file_get_contents($xmlPath);
$myXMLString = utf8_decode($myXMLString);
$doc = new DOMDocument('1.0', 'iso-8859-1');
$doc->loadXML($myXMLString);
【讨论】：
我还没有找到设置默认编码的方法（目前），但也许在这种情况下恢复模式是可行的。
当 libxml 遇到编码错误并且没有明确设置编码时，它会从 unicode/utf8 切换到 latin1 并继续解析文档。但在解析器上下文中，属性wellFormed 设置为0/false。如果wellFormed 为真或 DOMDocument 对象的属性recover 为真，则PHP 的DOM 扩展认为文档有效。
<?php
// german Umlaut ä in latin1 = 0xE4
$xml = '<foo>'.chr(0xE4).'</foo>';
$doc = new DOMDocument;
$b = $doc->loadxml($xml);
echo 'with doc->recover=false(default) : ', ($b) ? 'success':'failed', "\n";
$doc = new DOMDocument;
$doc->recover = true;
$b = $doc->loadxml($xml);
echo 'with doc->recover=true : ', ($b) ? 'success':'failed', "\n";
打印
Warning: DOMDocument::loadXML(): Input is not proper UTF-8, indicate encoding !
Bytes: 0xE4 0x3C 0x2F 0x66 in Entity, line: 1 in test.php on line 6
with doc->recover=false(default) : failed
Warning: DOMDocument::loadXML(): Input is not proper UTF-8, indicate encoding !
Bytes: 0xE4 0x3C 0x2F 0x66 in Entity, line: 1 in test.php on line 11
with doc->recover=true : success
您仍然会收到警告消息（可以使用@$doc->load() 抑制），并且它还会显示在internal libxml errors 中（仅在解析器从utf8 切换到latin1 时出现一次）。此特定错误的错误代码将为 9 (XML_ERR_INVALID_CHAR)。
<?php
$xml = sprintf('<foo>
<ae>%s</ae>
<oe>%s</oe>
&
</foo>', chr(0xE4),chr(0xF6));
libxml_use_internal_errors(true);
$doc = new DOMDocument;
$doc->recover = true;
libxml_clear_errors();
$b = $doc->loadxml($xml);
$invalidCharFound = false;
foreach(libxml_get_errors() as $error) {
if ( 9==$error->code && !$invalidCharFound ) {
$invalidCharFound = true;
echo "found invalid char, possibly harmless\n";
}
else {
echo "hm, that's probably more severe: ", $error->message, "\n";
}
}
【讨论】：
指定编码的唯一方法是在文件开头的 XML 声明中：
<?xml version="1.0" encoding="ISO-8859-1"?>
【讨论】：