PHP：将非英文字符写入XML - 编码问题

Question

我编写了一个小PHP脚本来编辑站点新闻XML文件。 我使用DOM来操纵XML（加载，写入，编辑）。

在编写英文字符时工作正常，但在编写非英文字符时，PHP在尝试加载文件时会引发错误。

如果我手动输入非英语字符到文件 - 它的加载完美的罚款，但如果PHP写的非英语字符，虽然我指定的UTF-8编码的编码出错。

任何帮助表示赞赏。

更新：与有用的答案，它解决了（阅读下文）。

错误：

警告：DOM文档::负载（） [domdocument.load]：实体 '次' 不 在文件路径定义

警告：DOM文档::负载（） [ domdocument.load]：输入不是 正确的UTF-8，表示编码！ 字节：0x91值为0x26 0x74×69的文件路径

这里是负责加载和保存文件（不言自明）功能：

function get_tags_from_xml(){ 
// Load news entries from XML file for display 
    $errors = Array(); 

    if(!$xml_file = load_news_file()){ 
    // Load file 
     // String indicates error presence 
     $errors = "file not found"; 
     return $errors; 
    } 
    $taglist = $xml_file->getElementsByTagName("text"); 
    return $taglist; 
} 
function set_news_lang(){ 
// Sets the news language 
    global $news_lang; 

    if($_POST["news-lang"]){ 
     $news_lang = htmlentities($_POST["news-lang"]); 
    } 
    elseif($_GET["news-lang"]){ 
     $news_lang = htmlentities($_GET["news-lang"]); 
    } 
    else{ 
     $news_lang = "he"; 
    } 
} 
function load_news_file(){ 
// Load XML news file for proccessing, depending on language 
    global $news_lang; 

    $doc = new DOMDocument('1.0','utf-8'); 
    // Create new XML document 
    $doc->load("news_{$news_lang}.xml"); 
    // Load news file by language 
    $doc->formatOutput = true; 
    // Nicely format the file 

    return $doc; 
} 
function save_news_file($doc){ 
// Save XML news file, depending on language 
    global $news_lang; 

    $doc->saveXML($doc->documentElement); 
    $doc->save("news_{$news_lang}.xml"); 
} 

这里是写XML代码（添加新闻）：

<?php ob_start()?> 
<?php include("include/xml_functions.php")?> 
<?php include("../include/functions.php")?> 
<?php get_lang();?> 
<?php 
//TODO: ADD USER AUTHENTICATION! 
if(isset($_POST["news"]) && isset($_POST["news-lang"])){ 
    set_news_lang(); 

    $news = htmlentities($_POST["news"]); 

    $xml_doc = load_news_file(); 
    $news_list = $xml_doc->getElementsByTagName("text"); 
    // Get all existing news from file 

    $doc_root_element = $xml_doc->getElementsByTagName("news")->item(0); 
    // Get the root element of the new XML document 
    $new_news_entry = $xml_doc->createElement("text",$news); 
    // Create the submited news entry 

    $doc_root_element->appendChild($new_news_entry); 
    // Append submited news entry 
    $xml_doc->appendChild($doc_root_element); 

    save_news_file($xml_doc); 

    header("Location: /cpanel/index.php?lang={$lang}&news-lang={$news_lang}"); 
} 
else{ 
    header("Location: /cpanel/index.php?lang={$lang}&news-lang={$news_lang}"); 
} 
?> 
<?php ob_end_flush()?> 

更新：根据您提供的有用的答案，它的解决： 提交表单的值不是英语，它包含了一些HTML实体， 我在POST上使用了htmlentities()，这使得非英文字符串不可读。 替换htmlentities()与htmlspecialchars()，它的作品很神奇。

结论：htmlentities()可以破坏非英文字符串。

Answer 1

字符编码总是一件麻烦事。确保包含表单的页面，加载到$ dom的xml和php文件本身也是utf-8编码，或者相应地进行转换。否则，你的所有字符串将不会，并且将它们作为utf-8处理将不起作用。

试试这个：回声原始的XML消息到一个空白页。然后在浏览器中切换页面编码以查看哪一个正确显示字符。从表单中检索输入后重复此操作获取$ news。这通常提供了编码出错的地方的线索。

Answer 2

很难诊断的准确问题，而拉动应用除了多一点，但是这是一个很好的线索：

警告：DOM文档::负载（）[domdocument.load]：实体“时代'未在文件路径中定义

XML通常不喜欢像×这样的HTML实体。保证工作的唯一实体是<,>,&和"。

改为使用数字实体。因此对于×，请使用×等。

这里有一个快速和肮脏的伎俩您可以在通话后添加到html_entities：

foreach(array('quot'=>34,'amp'=>38,'lt'=>60,'gt'=>62,'OElig'=>338,'oelig'=>339, 
'Scaron'=>352,'scaron'=>353,'Yuml'=>376,'circ'=>710,'tilde'=>732,'ensp'=>8194, 
'emsp'=>8195,'thinsp'=>8201,'zwnj'=>8204,'zwj'=>8205,'lrm'=>8206,'rlm'=>8207, 
'ndash'=>8211,'mdash'=>8212,'lsquo'=>8216,'rsquo'=>8217,'sbquo'=>8218,'ldquo'=>8220, 
'rdquo'=>8221,'bdquo'=>8222,'dagger'=>8224,'Dagger'=>8225,'permil'=>8240,'lsaquo'=>8249, 
'rsaquo'=>8250,'euro'=>8364,'fnof'=>402,'Alpha'=>913,'Beta'=>914,'Gamma'=>915, 
'Delta'=>916,'Epsilon'=>917,'Zeta'=>918,'Eta'=>919,'Theta'=>920,'Iota'=>921, 
'Kappa'=>922,'Lambda'=>923,'Mu'=>924,'Nu'=>925,'Xi'=>926,'Omicron'=>927, 
'Pi'=>928,'Rho'=>929,'Sigma'=>931,'Tau'=>932,'Upsilon'=>933,'Phi'=>934, 
'Chi'=>935,'Psi'=>936,'Omega'=>937,'alpha'=>945,'beta'=>946,'gamma'=>947, 
'delta'=>948,'epsilon'=>949,'zeta'=>950,'eta'=>951,'theta'=>952,'iota'=>953, 
'kappa'=>954,'lambda'=>955,'mu'=>956,'nu'=>957,'xi'=>958,'omicron'=>959, 
'pi'=>960,'rho'=>961,'sigmaf'=>962,'sigma'=>963,'tau'=>964,'upsilon'=>965, 
'phi'=>966,'chi'=>967,'psi'=>968,'omega'=>969,'thetasym'=>977,'upsih'=>978, 
'piv'=>982,'bull'=>8226,'hellip'=>8230,'prime'=>8242,'Prime'=>8243,'oline'=>8254, 
'frasl'=>8260,'weierp'=>8472,'image'=>8465,'real'=>8476,'trade'=>8482,'alefsym'=>8501, 
'larr'=>8592,'uarr'=>8593,'rarr'=>8594,'darr'=>8595,'harr'=>8596,'crarr'=>8629, 
'lArr'=>8656,'uArr'=>8657,'rArr'=>8658,'dArr'=>8659,'hArr'=>8660,'forall'=>8704, 
'part'=>8706,'exist'=>8707,'empty'=>8709,'nabla'=>8711,'isin'=>8712,'notin'=>8713, 
'ni'=>8715,'prod'=>8719,'sum'=>8721,'minus'=>8722,'lowast'=>8727,'radic'=>8730, 
'prop'=>8733,'infin'=>8734,'ang'=>8736,'and'=>8743,'or'=>8744,'cap'=>8745, 
'cup'=>8746,'int'=>8747,'there4'=>8756,'sim'=>8764,'cong'=>8773,'asymp'=>8776, 
'ne'=>8800,'equiv'=>8801,'le'=>8804,'ge'=>8805,'sub'=>8834,'sup'=>8835, 
'nsub'=>8836,'sube'=>8838,'supe'=>8839,'oplus'=>8853,'otimes'=>8855,'perp'=>8869, 
'sdot'=>8901,'lceil'=>8968,'rceil'=>8969,'lfloor'=>8970,'rfloor'=>8971,'lang'=>9001, 
'rang'=>9002,'loz'=>9674,'spades'=>9824,'clubs'=>9827,'hearts'=>9829,'diams'=>9830, 
'nbsp'=>160,'iexcl'=>161,'cent'=>162,'pound'=>163,'curren'=>164,'yen'=>165, 
'brvbar'=>166,'sect'=>167,'uml'=>168,'copy'=>169,'ordf'=>170,'laquo'=>171, 
'not'=>172,'shy'=>173,'reg'=>174,'macr'=>175,'deg'=>176,'plusmn'=>177, 
'sup2'=>178,'sup3'=>179,'acute'=>180,'micro'=>181,'para'=>182,'middot'=>183, 
'cedil'=>184,'sup1'=>185,'ordm'=>186,'raquo'=>187,'frac14'=>188,'frac12'=>189, 
'frac34'=>190,'iquest'=>191,'Agrave'=>192,'Aacute'=>193,'Acirc'=>194,'Atilde'=>195, 
'Auml'=>196,'Aring'=>197,'AElig'=>198,'Ccedil'=>199,'Egrave'=>200,'Eacute'=>201, 
'Ecirc'=>202,'Euml'=>203,'Igrave'=>204,'Iacute'=>205,'Icirc'=>206,'Iuml'=>207, 
'ETH'=>208,'Ntilde'=>209,'Ograve'=>210,'Oacute'=>211,'Ocirc'=>212,'Otilde'=>213, 
'Ouml'=>214,'times'=>215,'Oslash'=>216,'Ugrave'=>217,'Uacute'=>218,'Ucirc'=>219, 
'Uuml'=>220,'Yacute'=>221,'THORN'=>222,'szlig'=>223,'agrave'=>224,'aacute'=>225, 
'acirc'=>226,'atilde'=>227,'auml'=>228,'aring'=>229,'aelig'=>230,'ccedil'=>231, 
'egrave'=>232,'eacute'=>233,'ecirc'=>234,'euml'=>235,'igrave'=>236,'iacute'=>237, 
'icirc'=>238,'iuml'=>239,'eth'=>240,'ntilde'=>241,'ograve'=>242,'oacute'=>243, 
'ocirc'=>244,'otilde'=>245,'ouml'=>246,'divide'=>247,'oslash'=>248,'ugrave'=>249, 
'uacute'=>250,'ucirc'=>251,'uuml'=>252,'yacute'=>253,'thorn'=>254,'yuml'=>255 
) as $alpha=>$num) 
$news=str_replace("&$alpha;", "&#$num;", $news); 

您可以preg_replace和array_map做票友的事情，但是这是你需要的数据。或者，如果性能对您而言是个问题，您可以做一些奇特的多字节字符检测并完全绕过命名的实体步骤。 PHP网站上有很多例子。

严格地说，如果你已经打上你的XML文档被utf-8编码，你可以离开实体完全编码出来，只是编码四个主要球员：

$table = array('&' => '&amp;', '<' => '&lt;', '>' => '&gt;', '"' => '&quot;'); 
$news = str_replace(array_keys($table), array_values($table), $_POST["news"]); 

ñ。