修复XML中的字符编码

Question

我在写一个XML，它将成为PostScript表单的后台处理程序。

每当人们插入字符EN DASH（可能复制形式的MS Word），我得到一个offending command: xmlerror. Stack: unicode not supported yet ....

http://www.fileformat.info/info/unicode/char/2013/index.htm

代码的相关部分是：

$xml = new SimpleXMLElement('<xml/>'); 
foreach($_POST as $key => $value) { 
    $xml->$key = $value: 
} 
$dom = new DOMDocument('1.0'); 
$dom->preserveWhiteSpace = false; 
$dom->formatOutput = true; 
$dom->loadXML($xml->asXML()); 
$nombreArchivoTemporal = '/tmp/'.time().rand(); 
$archivo = fopen ($nombreArchivoTemporal, "wb"); 
fwrite ($archivo, iconv('UTF-8', 'CP1252//TRANSLIT//IGNORE', "@PBSSFORM DNDA\n" . $dom->saveXML())); 
fclose ($archivo); 

事实是ÄËÏÖÜáéíóú, etc字符是支持的，但EN DASH和其他人可能不支持。我试图获得与iconv功能摆脱他们，但似乎并没有工作，因为性格已经是HTML的实体，当我在$xml插入编码：

<?xml version="1.0"?> 
<xml> 
<date/> 
    <tituloObra>&#xE1;&#xE9;&#xED;&#xF3;&#xFA;&#xC1;&#xC9;&#xCD;&#xD3;&#xDA;&#xE4;&#xEB;&#xEF;&#xF6;&#xFC;&#xC4;&#xCB;&#xCF;&#xD6;&#xDC; &#x2013; &lt;= gui&#xF3;n</tituloObra> 

–是存在问题的字符。

Answer 1

那么这个问题与SimpleXML有关。我用尽了一切的SimpleXML的转换为CP1252，但是当我加载它在DOMDocument->loadXML，我总是得到Illegal character...错误

我已经取代它直接使用DOMDocument类，在构造函数中指定CP1252和插入新记录作为UTF8。

当我呼叫DOMDOcument->Save()时，它自动将文件编码为CP1252，避免了PostScript中提到的错误。

Answer 2

EN DASH U + 2013存在于CP1252中。名称CP1252是通用名称，但在IANA注册管理机构中定义了windows-1252的非官方名称，因此字节0x95表示U + 2013。