在php中解析xml和输出编码

Question

我在 Wordpress 中从一个 XML 文件生成了很多帖子。担心：重音字符。

流的头部是：

<? Xml version = "1.0" encoding = "ISO-8859-15"?>

这是完整的通量：http://flux.netaffiliation.com/rsscp.php?maff=177053821BA2E13E910D54

我的网站是 utf8 格式。

所以我使用函数 utf8_encode ...但这并不能解决问题，重音总是被误解。

有人有想法吗？

编辑 04-10-2011 18:02（法国时间）：

这是完整的通量：http://flux.netaffiliation.com/rsscp.php?maff=177053821BA2E13E910D54

这是我的代码：

/**
 * parse an rss flux from netaffiliation and convert each item to posts
 * @var $flux = external link
 * @return bool
 */
private function parseFluxNetAffiliation($flux)
{
    $content = file_get_contents($flux);
    $content = iconv("iso-8859-15", "utf-8", $content);

    $xml = new DOMDocument;
    $xml->loadXML($content);

    //get the first link : http://www.netaffiliation.com
    $link = $xml->getElementsByTagName('link')->item(0);
    //echo $link->textContent;

    //we get all items and create a multidimentionnal array
    $items = $xml->getElementsByTagName('item');

    $offers = array();
    //we walk items
    foreach($items as $item)
    {
        $childs = $item->childNodes;

        //we walk childs
        foreach($childs as $child)
        {
            $offers[$child->nodeName][] = $child->nodeValue;
        }

    }
    unset($offers['#text']);

    //we create one article foreach offer
    $nbrPosts = count($offers['title']);

    if($nbrPosts <= 0) 
    {
        echo self::getFeedback("Le flux ne continent aucune offre",'error');
        return false;
    }

    $i = 0;
    while($i < $nbrPosts)
    {
        // Create post object
        $description = '<p>'.$offers['description'][$i].'</p><p><a href="'.$offers['link'][$i].'" target="_blank">'.$offers['link'][$i].'</a></p>';

        $my_post = array(
            'post_title' => $offers['title'][$i],
            'post_content' => $description,
            'post_status' => 'publish',
            'post_author' => 1,
            'post_category' => array(self::getCatAffiliation())
        );

        // Insert the post into the database
        if(!wp_insert_post($my_post));;

        $i++;
    }

    echo self::getFeedback("Le flux a généré {$nbrPosts} article(s) depuis le flux NetAffiliation dans la catégorie affiliation",'updated');
    return false;

}

所有帖子都生成了，但是...重音字符很难看。你可以在这里看到结果：http://monsieur-mode.com/test/

Answer 1

在不同编码之间进行交换时，您必须掌握很多困难。此外，像 WordPress 使用的 UTF-8 这样使用超过一个字节来编码字符的编码（所谓的多字节编码）在 PHP 中值得特别注意。

• 首先，确保您创建的所有文件都使用与将要提供的相同编码进行保存。例如，请确保您设置的编码与“另存为...”对话框中的编码与您在 HTTP Content-Type 标头中使用的编码相同。
• 其次，您需要验证输入与您要传递的文件具有相同的编码。在您的情况下，输入文件的编码为ISO-8859-15，因此您需要使用iconv() 将其转换为UTF-8。
• 第三，你必须知道PHP本身并不支持UTF-8这样的多字节编码。 htmlentities() 等函数会产生奇怪的字符。对于其中许多函数，有多字节替代方案，其前缀为mb_。如果您的编码是UTF-8，请检查您的文件是否有此类功能，并在必要时替换它们。

有关这些主题的更多信息，请参阅Wikipedia about variable-width encodings 和page in the PHP-Manual。

Answer 2

默认情况下，大多数应用程序使用 UTF-8 数据并输出 UTF-8 内容。 Wordpress 绝对不应该分开，并且肯定可以在 UTF-8 基础上工作。

我根本不会在打印时转换任何信息，而是将您的标头更改为 UTF-8 而不是 ISO-8859-15。

Answer 3

如果您传入的 XML 数据是 ISO-8859-15，请使用iconv() 进行转换：

$stream = file_get_contents("stream.xml");
$stream = iconv("iso-8859-15", "utf-8", $stream);

Answer 4

mb_convert_encoding()救了我的命。

这是我的解决方案：

    $content = preg_replace('/ encoding="ISO-8859-15"/is','',$content);
    $content = mb_convert_encoding($content,"UTF-8");