使用 cdata PHP SimpleXML 解析 xml 提要 [重复]

Question

我正在使用 php 将 rss 提要解析为 json。

使用下面的代码

我的 json 输出包含来自 item 元素的描述数据，但标题和链接数据未提取

• 问题在于 CDATA 不正确或我的代码未正确解析它。

xml 是here

$blog_url = 'http://www.blogdogarotinho.com/rssfeedgenerator.ashx';

$rawFeed = file_get_contents($blog_url);
$xml=simplexml_load_string($rawFeed,'SimpleXMLElement', LIBXML_NOCDATA);

// step 2: extract the channel metadata
$articles = array();    

// step 3: extract the articles

foreach ($xml->channel->item as $item) {
    $article = array();

    $article['title'] = (string)trim($item->title);
    $article['link'] = $item->link;      
    $article['pubDate'] = $item->pubDate;
    $article['timestamp'] = strtotime($item->pubDate);
    $article['description'] = (string)trim($item->description);
    $article['isPermaLink'] = $item->guid['isPermaLink'];        

    $articles[$article['timestamp']] = $article;
}

echo json_encode($articles);

Answer 1

我认为你只是浏览器隐藏标签的受害者。让我解释： 您的输入提要实际上并没有 <![CDATA[ ]]> 标签，< 和 >s 实际上是在 rss 流的原始源中编码的实体，点击 ctrl+ u 在浏览器的 rss 链接上，你会看到：

<?xml version="1.0" encoding="utf-16"?>
<rss xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema" version="2.0">
  <channel>
    <description>Blog do Garotinho</description>
    <item>
      <description>&lt;![CDATA[&lt;br&gt;
          Fico impressionado com a hipocrisia e a falsidade de certos políticos....]]&gt;
      </description>
      <link>&lt;![CDATA[http://www.blogdogarotinho.com.br/lartigo.aspx?id=16796]]&gt;</link>
...
      <title>&lt;![CDATA[A bancada dos caras de pau]]&gt;</title>
    </item>

如您所见，<title> 例如以 < 开头，当 simplexml 为您的 json 数据返回它时，它将变为 <。 现在，如果您在浏览器中查看打印的 json 数据，您的浏览器将看到以下内容：

"title":"<![CDATA[A bancada dos caras de pau]]>"

不会被渲染，因为它在标签内。描述似乎出现了，因为它在某个点上有一个 <br> 标记，该标记结束了第一个“标记”，因此您可以看到输出的其余部分。

如果您点击 ctrl+u，您应该会看到按预期打印的输出（我自己使用的是命令行 php 文件，并没有首先注意到这一点）。

试试这个演示：

• "" 后面好像有一个空的"":
  http://codepad.viper-7.com/ZYpaS1
• 但是，如果我在 json_encode() 周围加上 htmlspecialchars()：
  http://codepad.viper-7.com/1nHqym 他们就会“可见”。

您可以尝试通过在解析后用简单的preg_replace() 替换它们来摆脱它们：

function clean_cdata($str) {
    return preg_replace('#(^\s*<!\[CDATA\[|\]\]>\s*$)#sim', '', (string)$str);
}

如果 CDATA 块位于各个标签的开头或结尾，这应该注意它们。你可以像这样在foreach() 循环中调用这个：

// ....
$article['title'] = clean_cdata($item->title);
// ....