使用PHP强制使用UTF8格式'；s XMLReader、DOM和SimpleXML

我们有一个脚本，它解析来自用户生成的源的XML提要，这些源不时包含格式不正确的带有特殊字符的条目

虽然我通常会在这一行上运行utf8_encode（），但我不确定如何执行此操作，因为DOM正在逐步读取文件，并且在执行expand命令时会抛出错误

由于simple_xml阻塞了代码，后续行也被关闭

这是密码

$z = new XMLReader; 
$z->open($filename); $doc = new DOMDocument('1.0','UTF-8');         
while ($z->read() && $z->name !== 'product');   
while ($z->nodeType == XMLReader::ELEMENT AND $z->name === 'product'){
$producti = simplexml_import_dom($doc->importNode($z->expand(), true));
print_r($producti);
}

错误：

消息：XMLReader:：expand（）：foo.xml:29081:解析器错误：输入为 UTF-8不正确，请指示编码！字节：0x05 0x20 0x2D 0x35

严重性：警告消息：XMLReader:：expand（）：错误 展开文件名：controllers/feeds.php时发生

电话号码：106

消息：传递给DOMDocument:：importNode（）的参数1必须是 DOMNode的实例，给定的布尔文件名： controllers/feeds.php

行号：106

---

首先使用HTMLTidy库来清理字符串

另外，我最好使用DOMDocument而不是XMLReader

诸如此类：

        $tidy = new Tidy;

        $config = array(
                'drop-font-tags' => true,
                'drop-proprietary-attributes' => true,
                'hide-comments' => true,
                'indent' => true,
                'logical-emphasis' => true,
                'numeric-entities' => true,
                'output-xhtml' => true,
                'wrap' => 0
        );

        $tidy->parseString($html, $config, 'utf8');

        $tidy->cleanRepair();

        $xml = $tidy->value; // Get clear string

        $dom = new DOMDocument;

        $dom->loadXML($xml);

        ...

---

我来看看。。。对如何在循环中调用它以便过滤每个xml块有何见解？文件太大，无法提前清理（占用大量内存）。不，只需整体应用Tidy

$filename

。请看修改后的答案。谢谢。我从XMLReader到DOM的重建需要一些时间来进行全面测试，但到目前为止似乎还可以。对于其他人来说，DOMDocument应该是DOMDocument，这是一个非常小的错误。这些文档是否声明它们是用UTF-8编码的，而实际上它们不是，或者你只是不在乎它们是什么编码，并且假设它们是UTF-8编码的？您是否有破坏解析器的文档示例？大多数文档声明UTF-8，但不是全部。不幸的是，我要处理文件的可变性，给出发送数据的源的类型。