使用PHP读取XML时处理编码错误

我正在使用XMLReader解析来自第三方的XML。文件应该是UTF-8，但我得到了以下错误：

解析器错误：输入不正确UTF-8，请指示编码

字节：第166行C:\file.php中的0x11 0x72 0x20 0x41

在notepad++中查看XML文件，很清楚是什么导致了这种情况：有问题的行中包含一个控制字符

XML文件是由第三方提供的，我无法可靠地解决这个问题/确保将来不会发生这种情况。有人能推荐一个处理这个问题的好方法吗？我只想去掉控制字符——在这种特殊情况下，从XML文件中删除它就可以了——但我担心，一直这样做可能会导致无法预见的问题。谢谢。
为什么第三方不能可靠地解决此问题？如果他们的XML中有非法字符，我敢打赌这是一个有效的问题

话虽如此，为什么不先删除字符，然后再使用？
如果字符串是有效的UTF-8，您可以使用
str\u replace（）
。请注意，
str_replace（）
随后将处理字节偏移量，因此您不再处理PHP字符串，而是处理字节字符串

还有一个问题：如果您的第三方包含在XML中没有任何用途的随机空白和控制字符，那么您最好假设它们最终会破坏UTF-8。因此，在您确定他们当前的垃圾并非完全无用之前，您不能满怀信心地使用
str_replace（）

也许您可以选择一个快捷方式，将其填充到libxml DOMDocument对象中，并使用@抑制错误，让libxml库处理错误。比如：

$doc = new DOMDocument();
if(@$doc->loadXML($raw_string)) {
  // document is loaded. time to normalize() it.
}
else {
  throw new Exception("This data is junk");
}

为什么您和第三方用XML交换数据？大概双方都希望通过使用XML而不是一些随机的专有格式来获得一些好处。如果您允许他们生成不好的XML（我更愿意称之为非XML），那么双方都不会得到这些好处。改过自新符合他们的利益。试着让他们相信这一点。
第三方是一家大型公司，通过RSS提要提供XML，并通过电子邮件向他们发送通用的“我们会回复你”。此外，如果他们犯了一次这样的错误，那么我会谨慎地犯错误，并假设无论他们说什么，这种错误都可能再次发生。啊，我明白了（并且同意前瞻性思维）。
str\u replace
是否适用于预解析？使用str\u replace（或类似）是一个选项。但我对unicode了解不多，也不确定有多少像这样的潜在问题字符。如果有很多，效率可能会成为一个问题，因为XML文件很大（>100MB）。或者，您可以实现自己的解析器，并在解析每行时去除字符（存储在数组中的非法字符）。除非公司愿意修复他们的bug，否则无论哪种方式，您都会有一定的开销。在UTF-8流中使用代码点U+0011、设备控制1或控制-R不是非法的，甚至不是不合适的UTF-8。就Unicode而言，这是一个完全有效的代码点。XML可能是另一回事。您可能会从中受益