Php 以及你是否关心黑客故意发送格式不正确的XML。

我同意这纯粹是一个编码问题。在PHP中，我就是这样解决这个问题的：

在将html片段传递给

simplexmlement

构造函数之前，我使用

html\u entity\u decode对其进行了解码

然后使用

utf8\u encode（）

对其进行进一步编码

$headerDoc=''。utf8_编码（html_实体_解码（$headerFragment））。'；
$xmlHeader=新的SimpleXMLElement（$headerDoc）；

---

现在，上面的代码不会抛出任何未定义的实体错误。

对于任何解析XML或JSON的语言（基本上，每种语言）来说，这个问题都是一个普遍的问题

上面的答案是针对PHP的，但是Perl解决方案就像

my $excluderegex =
    '^\n\x20-\x20' .   # Don't Encode Spaces
       '\x30-\x39' .   # Don't Encode Numbers
       '\x41-\x5a' .   # Don't Encode Capitalized Letters
       '\x61-\x7a' ;   # Don't Encode Lowercase Letters

    # in case anything is already encoded
$value = HTML::Entities::decode_entities($value);

    # encode properly to numeric
$value = HTML::Entities::encode_numeric($value, $excluderegex);

使用带有标志“entxml1”的“htmlentities（）”：

htmlentities（$value，entxml1）

如果使用“SimpleXMLElement”类：

$simplexmlement->addChild（$name，htmlentities（$value，ENT_XML1））
问题的某些重要部分是不可见的，因为它们被解析为标记。请用反引号（```）将这些位括起来。@LarsH:Hm，我在问题源中没有看到任何需要这个的地方。@Tomalak:“1.我可以找到并替换所有的？？并用？？或实际的空格替换掉它们。”在我看来，确实缺少了一些东西。@LarsH：哦，你说得对。我没有注意到这些。您只需再做几次代表，就可以自己编辑问题了。：）好的，如果您应用“$content=preg_replace_callback（'/&（[\w\d]+）；/i'，“\u convertAlphaEntitysToNumericEntitys'，$content）；”所有HTML实体（以及其他）都将更改为数字实体。然后应用“$content=preg\u replace\u callback（'/[^\w\d]/i'，“\u convertascover127tonumericintys'），$content）；”并将127以上的每个字符（不是由htmlspecialchars处理的）转换为数字实体，如果我理解错误，请给出一个输入示例片段好吗？抱歉，我误解了你的代码。删除我之前的评论。@Tomalak-为什么ö；成为&；哎哟；？当文本被放入innerhtml时，它不会作为单个字符o-umlaut？1被解析到dom中。可能会有太多的开销，对吗？2.再想一想，这似乎适得其反，所以我要取消这个选项。3.除了文件更大，还有其他缺点吗？如果不是的话，我会说这就是出路。4.是的，那将违反要求。5.我不明白这个解决方案-你能提供更多细节吗-兰特谢谢你这么做！3.问题是：替换这些值或嵌入检查实体的DTD会花费更多的处理器时间吗？5.好的，我现在明白了。我想在服务器上执行此操作-Ryan@Ryan-自己替换值可能更快，因为DTD处理更通用。但您必须测试它才能确定。“您可以用HTML解析文本，并用相应的数字实体重新转义”——这是否意味着您可以始终将数字实体存储在HTML文本实体之上-Ryan@Ryan：是的，数字实体在XML和HTML中都是允许的（并且可以被识别）。@Tomalak这意味着我必须事先知道所有实体的名称及其数字实体，对吗？如果我把它们都加进去的话，这会是一个非常密集的处理过程吗-Ryan@Ryan：有些函数知道所有实体名称，您不必手动执行。这就是我所说的“HTML解析”。使用HTML解析器进行此类工作。@Tomalak在您的一段文章中，您建议您可以存储实际字符，因此从技术上讲，在将其写入XML文件之前，我是否可以使用HTML_entity_decode获取字符-如果将
“UTF-8”
作为第三个参数，例如
html\u实体解码（$headerFragment，null，“UTF-8”）
myDiv.innerHTML = myField.value;

my $excluderegex =
    '^\n\x20-\x20' .   # Don't Encode Spaces
       '\x30-\x39' .   # Don't Encode Numbers
       '\x41-\x5a' .   # Don't Encode Capitalized Letters
       '\x61-\x7a' ;   # Don't Encode Lowercase Letters

    # in case anything is already encoded
$value = HTML::Entities::decode_entities($value);

    # encode properly to numeric
$value = HTML::Entities::encode_numeric($value, $excluderegex);