PHP没有XML安全实体解码功能？没有一些xml实体解码？

问题是：我需要一个由UTF8“完全编码”的XML文件；也就是说，在没有实体表示符号的情况下，所有符号都由UTF8编码，只有3个符号是XML保留的，&（amp），“”（gt）。而且，我需要一个内置函数，它可以快速地将实体转换为真正的UTF8字符（而不会损坏我的XML）。
PS：这是一个“现实世界的问题”（！）；例如，在美国，有280万篇科学文章与（也称为）。。。要像“普通XML-UTF8-text”一样处理，我们需要将数字实体更改为UTF8字符

尝试的解决方案：此任务的自然功能是，但它会破坏XML代码（！），转换保留的3个XML保留符号

说明问题 假设

  $xmlFrag ='<p>Hello world! &#160;&#160; Let A&lt;B and A=&#x222C;dxdy</p>';

也许另一个问题是，“为什么没有其他选项来实现我的期望？”——这对许多其他XML应用程序（！）很重要，而不仅仅是对我

---

我不需要一个解决办法作为答案。。。好的，我展示了我丑陋的函数，也许它能帮助你理解这个问题

  function xml_entity_decode($s) {
    // here an illustration (by user-defined function) 
    // about how the hypothetical PHP-build-in-function MUST work
    static $XENTITIES = array('&','>','<');
    static $XSAFENTITIES = array('#_x_amp#;','#_x_gt#;','#_x_lt#;');
    $s = str_replace($XENTITIES,$XSAFENTITIES,$s); 

    //$s = html_entity_decode($s, ENT_NOQUOTES, 'UTF-8'); // any php version
    $s = html_entity_decode($s, ENT_HTML5|ENT_NOQUOTES, 'UTF-8'); // PHP 5.3+

    $s = str_replace($XSAFENTITIES,$XENTITIES,$s);
    return $s;
  }  // you see? not need a benchmark: 
     //  it is not so fast as direct use of html_entity_decode; if there 
     //  was an XML-safe option was ideal.

注：修正后。必须是

ENT\u HTML5

标志，才能进行转换。

尝试此功能：

function xmlsafe($s,$intoQuotes=1) {
if ($intoQuotes)
     return str_replace(array('&','>','<','"'), array('&amp;','&gt;','&lt;','&quot;'), $s);
else
     return str_replace(array('&','>','<'), array('&amp;','&gt;','&lt;'), html_entity_decode($s));
}

函数xmlsafe（$s，$intoQuotes=1）{
如果（$输入报价）
返回str_replace（数组（'&'，'>'，''；

此外：

---

生产中使用的这段代码似乎与UTF-8没有任何问题，加载JATS XML文档时使用DTD，因为它将定义从命名实体到Unicode字符的任何映射，然后在保存时将编码设置为UTF-8：

$doc = new DOMDocument;
$doc->load($inputFile, LIBXML_DTDLOAD | LIBXML_NOENT);
$doc->encoding = 'UTF-8';
$doc->save($outputFile);

公共函数实体解码（$str，$charset=NULL）
{
if（strpos（$str，&'）==FALSE）
{
返回$str；
}
静态$u实体；
isset（$charset）或$charset=$this->charset；
$flag=is_php（'5.4'）
？ENT|U COMPAT|ENT|U HTML5
：ENT_COMPAT；
做
{
$str_compare=$str；
//解码标准实体，避免误报
如果（$c=preg_match_all（'/&[a-z]{2，}（？！[a-z；]）/i'，$str，$matches））
{
如果（！isset（$\u实体））
{
$\u entities=array\u map（'strtolower'，get\u html\u translation\u table（html\u entities，$flag，$charset））；
//如果我们不使用PHP5.4+，那么添加可能危险的HTML5
//手动将实体添加到数组中
如果（$flag==ENT\u COMPAT）
{
$\实体['：']='&colon；'；
$_实体['（']='&lpar；'；
$_实体['）]='&rpar'；
$\u实体[“\n”]='&newline；'；
$_实体[“\t”]=”&tab；”；
}
}
$replace=array（）；
$matches=array_unique（array_map（'strtolower'，$matches[0]）；
对于（$i=0；$i<$c；$i++）
{
if（$char=array_search（$matches[$i].；'，$_entities，TRUE））！==FALSE）
{
$replace[$matches[$i]]=$char；
}
}
$str=str\u ireplace（数组\u键（$replace）、数组\u值（$replace）、$str）；
}
//解码数字和UTF16双字节实体
$str=html\u实体\u解码(
preg_replace（'/（&#（？：x0*[0-9a-f]{2,5}（？））|（？：0*\d{2,4}（？[0-9；]）/iS'，'$1；'，$str），
$flag，
$charset
);
}
而（$str_compare！=$str）；
返回$str；
}

这个问题一次又一次地制造了一个“错误答案”（参见答案）。这可能是因为人们没有注意到，也因为没有答案：缺少PHP内置解决方案

…因此，让我们重复我的解决方法（这不是答案！），以避免造成更多的混乱：

最佳解决办法 注意:

下面的函数

xml\u entity\u decode（）

是最好的解决方法（优于任何其他方法）

下面的函数不是对的答案，它只是一个workwaround

函数xml\u实体\u解码（$s）{
//说明（假设的）PHP内置函数必须如何工作
静态$xenties=数组（“&；”、“”）；
静态$XSAFENTITIES=array（“#ux_amp#”、“#ux_gt”、“#ux_lt”）；
$s=str_replace（$xenties，$XSAFENTITIES，$s）；
$s=html_entity_decode（$s，ENT_HTML5 | ENT_NOQUOTES，'UTF-8'）；//PHP5.3+
$s=str_replace（$XSAFENTITIES，$xenties，$s）；
返回$s；
}  

---

为了测试并证明您有更好的解决方案，请首先使用以下简单的基准测试：

$countBchMk_MAX=1000；
$xml=file_get_contents（'sample1.xml'）；//大而复杂的xml字符串
$start_time=微时间（真）；
对于（$countBchMk=0；$countBchMkloadXML（$xml，LIBXML_DTDLOAD | LIBXML_NOENT）；
$doc->encoding='UTF-8'；
$A=$doc->saveXML（）；
*/
}
$end_time=微时间（真）；
echo“\nEND$countBchMk_MAX BENCKMARKs WITH”，
（$end_time-$start_time）/$countBchMk_MAX，
“秒”；

我也遇到了同样的问题，因为有人使用HTML模板来创建XML，而不是使用SimpleXML。唉……无论如何，我想到了以下几点。速度没有你的快，但速度不慢一个数量级，而且不太粗糙。你的会不经意间将

#x#amp#

转换为

$amp；

，如何它不可能出现在源XML中

注意：我假设默认编码是UTF-8

//搜索命名实体（如“&abc1；”之类的字符串）。
echo preg_replace_回调（'#和[A-Z0-9]+#i'，函数（$matches）{
//解码实体并重新编码为XML实体。这意味着“&；”
//将保留“&；”，而“&euro；”将变为“€”。
返回htmlentities（html\u entity\u decode（$matches[0]），entxml1）；
}，“&euro&；fooÇ；”“\n”；
/*欧元和富氏*/

另外，如果您想用编号的实体替换特殊字符（以防您不需要UTF-8 X）

echo '<k nid="'.$node->nid.'" description="'.xmlsafe($description).'"/>';

$doc = new DOMDocument;
$doc->load($inputFile, LIBXML_DTDLOAD | LIBXML_NOENT);
$doc->encoding = 'UTF-8';
$doc->save($outputFile);

    public function entity_decode($str, $charset = NULL)
{
    if (strpos($str, '&') === FALSE)
    {
        return $str;
    }

    static $_entities;

    isset($charset) OR $charset = $this->charset;
    $flag = is_php('5.4')
        ? ENT_COMPAT | ENT_HTML5
        : ENT_COMPAT;

    do
    {
        $str_compare = $str;

        // Decode standard entities, avoiding false positives
        if ($c = preg_match_all('/&[a-z]{2,}(?![a-z;])/i', $str, $matches))
        {
            if ( ! isset($_entities))
            {
                $_entities = array_map('strtolower', get_html_translation_table(HTML_ENTITIES, $flag, $charset));

                // If we're not on PHP 5.4+, add the possibly dangerous HTML 5
                // entities to the array manually
                if ($flag === ENT_COMPAT)
                {
                    $_entities[':'] = ':';
                    $_entities['('] = '(';
                    $_entities[')'] = '&rpar';
                    $_entities["\n"] = '&newline;';
                    $_entities["\t"] = '&tab;';
                }
            }

            $replace = array();
            $matches = array_unique(array_map('strtolower', $matches[0]));
            for ($i = 0; $i < $c; $i++)
            {
                if (($char = array_search($matches[$i].';', $_entities, TRUE)) !== FALSE)
                {
                    $replace[$matches[$i]] = $char;
                }
            }

            $str = str_ireplace(array_keys($replace), array_values($replace), $str);
        }

        // Decode numeric & UTF16 two byte entities
        $str = html_entity_decode(
            preg_replace('/(&#(?:x0*[0-9a-f]{2,5}(?![0-9a-f;]))|(?:0*\d{2,4}(?![0-9;])))/iS', '$1;', $str),
            $flag,
            $charset
        );
    }
    while ($str_compare !== $str);
    return $str;
}

// Search for named entities (strings like "&abc1;").
$xml_utf8 = preg_replace_callback('#&[A-Z0-9]+;#i', function ($matches) {
    // Decode the entity and re-encode as XML entities. This means "&"
    // will remain "&" whereas "€" becomes "€".
    return htmlentities(html_entity_decode($matches[0]), ENT_XML1);
}, "<Foo>&euro;&amp;foo &Ccedil;</Foo>") . "\n";

echo mb_encode_numericentity($xml_utf8, [0x80, 0xffff, 0, 0xffff]);

/* <Foo>&#8364;&amp;foo &#199;</Foo> */

// Search for named entities (strings like "&abc1;").
$xml_utf8 = preg_replace_callback('#&[A-Z0-9]+;#i', function ($matches) {
    // Decode the entity and re-encode as XML entities. This means "&"
    // will remain "&" whereas "€" becomes "€".
    return htmlentities(html_entity_decode($matches[0]), ENT_XML1);
}, "<Foo>&euro;&amp;foo &Ccedil;</Foo>") . "\n";

// Encodes (uncaught) numbered entities to UTF-8.
echo mb_decode_numericentity($xml_utf8, [0x80, 0xffff, 0, 0xffff]);

/* <Foo>€&amp;foo Ç</Foo> */

<Foo>&euro;&amp;foo &Ccedil; &eacute; #_x_amp#; &#8748;</Foo>

php -r '$q=["&amp;","&gt;","&lt;"];$y=["#_x_amp#;","#_x_gt#;","#_x_lt#;"]; $s=microtime(1); for(;++$i<1000000;)$r=str_replace($y,$q,html_entity_decode(str_replace($q,$y,"<Foo>&euro;&amp;foo &Ccedil; &eacute; #_x_amp#; &#8748;</Foo>"),ENT_HTML5|ENT_NOQUOTES)); $t=microtime(1)-$s; echo"$r\n=====\nTime taken: $t\n";'

<Foo>€&amp;foo Ç é &amp; ∬</Foo>
=====
Time taken: 2.0397531986237

php -r '$s=microtime(1); for(;++$i<1000000;)$r=preg_replace_callback("#&[A-Z0-9]+;#i",function($m){return htmlentities(html_entity_decode($m[0]),ENT_XML1);},"<Foo>&euro;&amp;foo &Ccedil; &eacute; #_x_amp#; &#8748;</Foo>"); $t=microtime(1)-$s; echo"$r\n=====\nTime taken: $t\n";'

<Foo>€&amp;foo Ç é #_x_amp#; &#8748;</Foo>
=====
Time taken: 4.045273065567

php -r '$s=microtime(1); for(;++$i<1000000;)$r=mb_encode_numericentity(preg_replace_callback("#&[A-Z0-9]+;#i",function($m){return htmlentities(html_entity_decode($m[0]),ENT_XML1);},"<Foo>&euro;&amp;foo &Ccedil; &eacute; #_x_amp#; &#8748;</Foo>"),[0x80,0xffff,0,0xffff]); $t=microtime(1)-$s; echo"$r\n=====\nTime taken: $t\n";'

<Foo>&#8364;&amp;foo &#199; &#233; #_x_amp#; &#8748;</Foo>
=====
Time taken: 5.4407880306244

php -r '$s=microtime(1); for(;++$i<1000000;)$r=mb_decode_numericentity(preg_replace_callback("#&[A-Z0-9]+;#i",function($m){return htmlentities(html_entity_decode($m[0]),ENT_XML1);},"<Foo>&euro;&amp;foo &Ccedil; &eacute; #_x_amp#;</Foo>"),[0x80,0xffff,0,0xffff]); $t=microtime(1)-$s; echo"$r\n=====\nTime taken: $t\n";'

<Foo>€&amp;foo Ç é #_x_amp#; ∬</Foo>
=====
Time taken: 5.5400078296661

echo xml_entity_decode('€');
//Output € instead expected €