从 XML php 获取价值后的奇怪字符答案

【问题标题】：weird chars after getting value from XML php从 XML php 获取价值后的奇怪字符
【发布时间】：2011-05-30 15:10:25
【问题描述】：

我试图从 xml 中获取一个 € 的值，但是当我尝试时它会返回奇怪的代码。

$xmlDate = $searchNode->getElementsByTagName( "kostenvoorverkoop" );
$valueKostenvoorverkoop = htmlentities($xmlDate->item(0)->nodeValue,ENT_QUOTES,"UTF-8");
//gives back Á€10,- instead of €10,-

找不到问题。

//XML
<?xml version="1.0" encoding="ISO-8859-1" ?>
<price>€10</price>

如果我离开 htmlentities，它会给出一个完全奇怪的字符串，例如 ÁáÙ%10

如果有人能帮我解决这个问题，那对我有很大帮助，在此先感谢。

编辑：找到了一个小解决方法：将€更改为&amp;euro;。知道不干净但有效。

【问题讨论】：

ISO-8859-1 与 UTF-8 完全不同...
ISO-8859-1 不包含欧元字符€。这意味着在 XML 声明中声明的编码不正确，并且您的 XML 在技术上格式不正确。可能您的文档是 ISO-8859-15 或 windows-1252（或 UTF-8 可能包含无效的字节序列）。

标签： php xml special-characters

【解决方案1】：

<?xml version="1.0" encoding="ISO-8859-1" ?>
<price>€10</price>

字符 € 在 ISO-8859-1 中不存在，所以这个 XML 声明不可能是正确的。

Á€ 的输出表明该文件实际上已在 Windows 代码页 1252（西欧）中编码，该代码页类似于 ISO-8859-1，但在 0x80–0x9F 范围内具有不同的字符，包括欧元符号。

PHP 已将数据解析为 ISO-8859-1，其中€ 的 CP1252 编码，字节 0x80 映射到控制字符 U+0080。然后它会为您提供包含 U+0080 的 Unicode 字符串作为 UTF-8 编码的字节字符串 U+00C2,U+0080。将其输出到作为 cp1252、ISO-8859-1 的页面中的浏览器（由于繁琐而令人困惑的遗留原因）或在西欧机器上没有字符集，会得到 Á€。 htmlentities() 不以任何方式对此进行编码，因为控制代码 U+0080 没有 HTML 实体。

以下是您应该如何继续：

如果您的 XML 输入文件必须在 cp1252 中，请在 XML 声明的 encoding="windows-1252" 中声明，而不是在不准确的 ISO-8859-1 中声明。不过，XML 解析器不需要能够读取 cp1252，因此更好的互操作性是只使用默认的 UTF-8 编码并重新保存文件以匹配。
使用Content-Type 标头或元标记以UTF-8 格式提供您的输出HTML 页面。然后使用htmlspecialchars() 而不是htmlentities()，这样您就不会浪费时间对不需要的非ASCII 字符进行编码。

【讨论】：

如果您无法控制输入格式，第三种选择是使用 iconv() 进行预处理。
我将其更改为 encoding="windows-1252"，但仍然在 € 符号前显示 Á
通过向 xml 发送 &amp;euro; 找到了一个小解决方法。这将最终成为一个€符号。不干净，但它可以工作
如果可行，您可能会遇到更大的问题：HTML 注入。例如，如果可以使 XML 文件包含 <price>&lt;script>alert()&lt;/script></price>，它最终会将活动脚本放入页面中。 htmlspecialchars() 并在 UTF-8 中执行所有操作是当今最好的方法。

【解决方案2】：

您是否尝试将 xml 中的编码从 ISO-8859-1 更改为 UTF-8 ？或者在进行解码时将这个字符集 ISO-8859-1 放入 php..

【讨论】：