Php readOuterXml（），输入不正确UTF-8，指示编码

我使用解析来自第三方的大型XML文件，文件大小为1GB+。XML文件将编码指定为UTF8（

），尽管它不是

XMLReader由于未知的编码类型而引发错误，但直到它已经处理了文件的大部分内容

异常消息：

输入不正确UTF-8，表示编码不正确

我已经确定文件的实际编码是

ISO-8859-1

，如果我在调用

$reader->open（）

时手动指定此编码，它将正常工作

问题是我的脚本需要解析数据库中的未知文件，因此它需要依赖文件中指定的编码类型。我需要找到一种方法来解析任何文件，而不管其编码是什么，有什么建议吗？

用于解析XML。为了避免编码问题，请在数据上使用。

我发现这非常适合从一种编码转换为另一种编码

我的技巧是正常解析文件，当遇到编码错误时，只需使用vim重新编码文件并再次开始解析

以下是大概的想法：

$xmlFile = '/path/to/file.xml';

// Parse the file in a loop
while(...)
{

    try
    {
        // Normal parsing logic...

        $reader->readOuterXml();

        //...
    }
    catch(Exception $ex)
    {
        $encoding = getXMLEncoding($xmlFile) ?: 'utf-8';

        exec(sprintf(VIM_PATH . ' -c "set fileencoding=%s" -c "wq" "%s"', $encoding, $xmlFile));

        // File has been re-encoded
        // The real encoding should now match the declared encoding

        // -> Go back to the beginning and parse the file again
    }

}

使用此方法可能会乱码1或2个字符，但这比完全失败的解析要好得多。理想情况下，第三方将正确标记其文件

---

我的系统是Windows，所以vim参数在Linux上可能不同（不知道）。

1）一个1GB的XML文件很难通过一次加载到内存中来解析。2） 通过

utf8\u encode

运行整个文件的问题基本相同。3） OP不知道文件的编码方式，因此

utf8\u encode

在这里不是一个全面的解决方案。在解析文件之前，您必须确认文件的编码方式。因为你很难通过将文件读入内存来实现这一点，所以我建议你要么逐行读取并检查每一行，要么使用命令行工具，比如

iconv

，它可以在不将文件全部读入内存的情况下进行检查。@deceze：谢谢你的建议，我找到并将使用它来检测编码。服务器是Windows，所以我必须先编译自己才能进行测试。