如何处理输出到 XML 的 HTML/php 形式的所有特殊字符

Question

我有一个小 php/mysql 应用程序，我将它放在一起，它采用输入表单并将其存储在 MySQL 数据库中，并将数据作为 XML 输出以供无线电播放硬件设备使用。

问题在于和号和其他字符。用户正在获取各种广播电台的描述，以及流媒体 URL 或播放列表 URL，并将它们粘贴到表单中。一些广播电台位于非英语国家（主要是法语）。我需要知道如何预处理这些字段，以便生成的 XML 不会损坏，这会破坏外部硬件应用程序。

我假设这应该进入提交表单时调用的 php。我很确定应该使用 htmlspecialchars 函数，但我不确定最好的方法，因为我已经从各种来源一起破解了这个：

更新：这是我当前的输出代码，其中包含一些清理 & 符号的正则表达式。

<?
include("HLN/manager/connect.php");

$query = "SELECT * FROM hln_stations ORDER BY orderid ASC";
$result = mysql_query($query);

$num = mysql_num_rows ($result);
mysql_close();

$xml = new XMLWriter();

$xml->openURI("php://output");
$xml->startDocument();
header('Content-type: text/xml');
$xml->setIndent(true);

$xml->startElement('channels');

while ($row = mysql_fetch_assoc($result)) {

  $xml->startElement("channel");
     $xml->startElement("title");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['station_title']));
     $xml->endElement();
     $xml->startElement("descriptionline1");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['station_display_name']));
     $xml->endElement();

     $xml->startElement("descriptionline2");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['station_subtitle']));
     $xml->endElement();

     $xml->startElement("description");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['station_detailed_description']));
     $xml->endElement();

     $xml->startElement("sdimage");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['sdtv_thumbnail_graphic_url']));
     $xml->endElement();

     $xml->startElement("hdimage");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['hdtv_thumbnail_graphic_url']));
     $xml->endElement();

     $xml->startElement("uri");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['stream_url_or_playlist_url']));
     $xml->endElement();

     $xml->startElement("linktype");
          $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;',$row['link_type']));
     $xml->endElement();

 $xml->endElement();
}

$xml->endElement();


$xml->flush();

?>

但我仍然需要解决出现的法语字符集问题。例如，如何将 é 字符替换为不会引起问题的字符？

Answer 1

如果你想真正“清理法语字符”（删除）

这样做怎么样 (iconv) ？

iconv('utf8', 'ascii//TRANSLIT', $text);

Answer 2

您在 Firefox 中出现错误，表示格式不正确，因为检测到的字符集与您输出的字符集不匹配。我尝试了各种字符集组合，并且可以重现该问题。

您必须明确指定您的字符集，例如：

header('Content-type: text/xml; charset=UTF-8');
$xml = new XMLWriter();
$xml->openURI("php://output");
$xml->startDocument("1.0", "UTF-8");

如果在内容类型和 XML 中将字符集指定为 UTF-8 会导致错误，这意味着您的输入不是有效的 UTF-8，请尝试改用 ISO-8859-15，或重新编码您的输入。

您必须为网站的每个页面添加内容类型字符集标题，包括输入数据的表单，否则您的特殊字符可能会被弄乱。此外，您必须连接到 mysql，指定要用于连接的字符集，并且该字符集应与表的字符集和排序规则相匹配。

假设您使用的是 UTF-8，请使用 PHPMyAdmin 和 UTF-8 连接查看您的数据库，如果您无法很好地看到您的特殊字符，则意味着您做错了。

对于设备，如果你说它只能显示 ASCII 字符，它是在你提供 UTF-8 输入时为你做转换，还是你必须给实体如：

Chérie 

如果这两个选项不起作用，您可能需要转换为 ASCII，例如“Cherie”...但这是最后的手段。

---

不使用数据库的概念验证代码：

<?php

header('Content-type: text/xml; charset=UTF-8');

$radioArr = array(
   array("Chérie FM @Work", "http://www.listenlive.eu/cheriefm_atwork.m3u?p&test"), 
   array("Hélène FM", "http://broadcast.infomaniak.ch/helenefm-high.mp3.m3u")
);
$xml = new XMLWriter();
$xml->openURI("php://output");
$xml->startDocument("1.0", "UTF-8");
$xml->setIndent(true);
$xml->startElement('channels');
foreach ($radioArr AS $radio) {
     $xml->startElement("channel");

     $xml->startElement("title");
     $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;', $radio[0]));
     $xml->endElement();

     $xml->startElement("uri");
     $xml->writeRaw(preg_replace('/&(?![A-Za-z0-9#]{1,7};)/','&amp;', $radio[1]));
     $xml->endElement();

     $xml->endElement(); //end channel
}

$xml->endElement();
$xml->flush();

?>

Answer 3

使用 CDATA 包装数据。而不是 writeRaw() 使用 writeCData() 请参考下面的示例。

// CData output
$xml->startElement('title');
$xml->writeCData($row['station_subtitle']);
$xml->endElement();