PHP 生成的 XML 文件中的编码错误答案

【问题标题】：Encoding Error in PHP Generated XML FilePHP 生成的 XML 文件中的编码错误
【发布时间】：2013-04-03 18:49:25
【问题描述】：

我使用 DOMDocument 类在 PHP 中生成了一个 XML 文件，数据是从 MySQL 数据库中获取的。很多数据都包含 HTML 标记，但我已将其全部封装在 CDATA 部分中。

起初该文件有很多编码错误，但在将其放入文件之前通过 utf8_encode() 运行所有内容似乎已经修复了除一个之外的所有错误。

这是我现在遇到的错误：

    error on line 5113 at column 450: Input is not proper UTF-8, indicate encoding !
    Bytes: 0x14 0x31 0x30 0x30

我在这里发现了一些类似错误的帖子，但没有一个解决了我的问题，或者建议使用 utf_encode()。这是似乎触发错误的部分：

    ...quiet portable package. ]]></Summary><Features><![CDATA[The EF4500iSE was designed for maximum fuel...

错误似乎在 CDATA[ 和 The 之间，虽然我看不到那里的任何字符，并且该部分与文件中的每个其他 CDATA 块相同。如果我删除整个 Features 元素及其内容，则文件加载正常。

这是文件的链接：http://test.hhdev.hothousemarketing.com/inventory.xml

【问题讨论】：

在那个特定的 CDATA 标签中，“rpm”和“1000”之间似乎有一个奇怪的字符。你试过utf8_encode吗？
是的，我输入的所有内容都首先通过 utf8_encode()
是的，删除你提到的字符修复它，现在可以在生成文件时在 PHP 中删除它？
蛮力方法是对非 ASCII 字符进行正则表达式替换——尽管我个人不喜欢这种解决方案。老实说，这有点取决于您的应用程序
您应该从源数据中删除垃圾字符（字节0x14）。它没有业务存在。如果您使用createTextNode() 而不是createCDATASection()，那么您至少会在保存文档而不是解析文档时收到这些字符的警告。

标签： php mysql xml utf-8

【解决方案1】：

正如 Colin 在问题的 cmets 中指出的那样，问题最终是 CDATA 标记中存在的非 ASCII 字符。

我急于解决这个问题，所以我只使用了蛮力方法，除了 utf8_encode() 之外，我还通过正则表达式替换运行了所有内容，我使用了： $output = preg_replace('/[^(\x20-\x7F)]*/','', $output); 我在这里找到了这个：http://www.stemkoski.com/php-remove-non-ascii-characters-from-a-string/

感谢 Colin 和 Francis 的贡献。

【讨论】：

【解决方案2】：

某些字符在 XML 中是完全不允许的，即使在 CDATA 部分中，甚至是实体编码的。

您也许可以在 UTF-8 字符串上使用它（未经测试）：

$xml_legal_chars = preg_replace('/[\x{00}-\x{08}\x{0B}\x{0C}\x{0E}-\x{1F}\x{D800}-\x{DFFF}\x{FFFE}\x{FFFF}]/u', '', $utf8string);

【讨论】：