SimpleXML 以一种奇怪的方式输出 unicode

Question

我使用 simpleXML 来处理 xml 文件。它有西里尔字母。我还使用dom_import_simplexml、importNode 和appendChild 将树从一个文件复制到另一个文件并从一个地方复制到另一个地方。 在处理结束时，我执行print_r 的结果simpleXmlElement，一切正常。但我也这样做了asXml('outputfile.xml') 并且发生了一些奇怪的事情：所有没有用CDATA 包裹的西里尔字符（一些标签主体和所有属性）都更改为它们的 unicode 代码。

例如print_r的输出（只是一个片段）：

SimpleXMLElement Object ( [@attributes] => Array 
             ( [NAME] => Государственный аппарат и     механизм 
               [COSTYES] => 3.89983579639 [COSTNO] => 0 
               [ID] => 9 )
           [COMMENTYES] => Вы совершенно         правы. 
          [COMMENTNO] => Нет, Вы ошиблись. ) ) )

但在asXml 生成的文件中，我得到如下内容：

<QUEST NAME="&#x422;&#x435;&#x43E;&#x440;&#x438;&#x44F;#x434;&#x432;&#x443;&#x445;&#x43C;&#x435;&#x447;&#x435;&#x439;"     
    style="educ" ID="1">
  <DESC><![CDATA[Теория происхождения государства, известная как теория "двух мечей" [2, с.40], 
    представляет из себя...
  ]]></DESC>`

我在任何可能的地方都设置了 utf-8 语言环境，用谷歌搜索了“simplexml、unicode、西里尔文、asXml 等”的每个组合，但没有任何效果。

UPD 看起来像 htmlentities() 使用的某些函数。因此，感谢voitcus，解决方案是按照here 的建议使用html_entity_decode()。

Answer 1

我想知道你最初导入 xml 文档时可能没有声明编码。以下两个给你不同的输出。

$simplexml = simplexml_load_string('<QUEST NAME="Государственный" />');
if (!$simplexml) { exit('parse failed'); }
print_r($simplexml->asXml());

$simplexml = simplexml_load_string('<?xml version="1.0" encoding="UTF-8"?><QUEST NAME="Государственный" />');
if (!$simplexml) { exit('parse failed'); }
print_r($simplexml->asXml());

SimpleXMLElement 对象从原始 xml 声明中知道自己的编码，如果没有声明，我猜它会生成数字字符引用以确保安全。