由于错误的UTF8编码导致XML读取错误

Question

我正在尝试创建一个脚本来将我的注释导出到Disqus，为了做到这一点，我需要创建一个巨大的XML文件。

我在使用UTF 8进行编码时遇到了问题。它应该是UTF-8文件，但我需要制作utf8_decode才能正确显示我的西班牙文元素。

的文件生成是这样的：

<?xml version="1.0" encoding="UTF-8"?> 
<rss version="2.0" 
    xmlns:content="http://purl.org/rss/1.0/modules/content/" 
    xmlns:dsq="http://www.disqus.com/" 
    xmlns:dc="http://purl.org/dc/elements/1.1/" 
    xmlns:wp="http://wordpress.org/export/1.0/" 
> 
<channel> 
    <wp:comment> 
     <wp:comment_id>26</wp:comment_id> 
     <wp:comment_author>KA_DIE</wp:comment_author> 
     <wp:comment_author_email> </wp:comment_author_email> 
     <wp:comment_author_url></wp:comment_author_url> 
     <wp:comment_author_IP> </wp:comment_author_IP> 
     <wp:comment_date_gmt>2009-07-16 18:53:19</wp:comment_date_gmt> 
     <wp:comment_content><![CDATA[WTF TEH Gladios en español <br />tnx tnx <br />me usta mucho esa web estoy pendiente mucho se su actualziacion es buen saber ke esta en español <br />x que solo entendia el 80, 90% de la paguina jiji]]></wp:comment_content> 
     <wp:comment_approved>1</wp:comment_approved> 
     <wp:comment_parent>0</wp:comment_parent> 
    </wp:comment> 
</channel> 
</rss> 

出于安全原因，如IP或电子邮件被删除的数据。正如你所看到的，它包含“ñ”字母。但显示的XML抛出一个错误：

XML读取错误：坏组成

我不知道确切的翻译，但它在内容系崩溃。代码与此生成：

public function generateXmlElement(){ 
      $xml = "<wp:comment> 
         <wp:comment_id>$this->id</wp:comment_id> 
         <wp:comment_author>$this->author</wp:comment_author> 
         <wp:comment_author_email>$this->author_email</wp:comment_author_email> 
         <wp:comment_author_url>$this->author_url</wp:comment_author_url> 
         <wp:comment_author_IP>$this->author_ip</wp:comment_author_IP> 
         <wp:comment_date_gmt>$this->date</wp:comment_date_gmt> 
         <wp:comment_content><![CDATA[$this->content]]></wp:comment_content> 
         <wp:comment_approved>$this->approved</wp:comment_approved> 
         <wp:comment_parent>0</wp:comment_parent> 
      </wp:comment>"; 
      return $xml; 
     } 

然后fwrite到一个文件。

你知道应该是什么问题吗？

Answer 1

您应该使用合适的XML库生成XML。libxml2的来与PHP捆绑在一起，可从PHP's DOM API获得，这将处理编码问题等等。这种情况通常是这种情况，这是一种前期学习投资，它的好处不会立即明确，但是有益处。

Answer 2

问题很可能是您的XML不是UTF-8编码，而是实际上是其他内容（ISO-8859-1？）。字符'＆ntilde;' （U + 00F1）以UTF-8编码为2个八位位组0xC3B1。在Windows 1252代码页和ISO-8859编码中，'＆ntilde'是一个八位字节0xF1。

您的XML文件在文件开头是否有Unicode BOM（U + FEFF）？ BOM（如果存在）表示编码和字节顺序。

• 0xEFBBBF：UTF-8。字节顺序不重要。
• 字节顺序是显着性为UTF-16和UTF-32：
  • 0xFFFE：UTF-16，小端
  • 0xFEFF：（大端）
  • 0xFFFE0000：UTF-32，little-尾数
  • 0x0000FEFF：UTF-32，大端

XML标准说，如果没有BO M存在，并且不存在指示编码的XML声明，该文档应默认被解释为UTF-8编码。我相信如果它们是BOM（如果存在）与XML声明中指定的编码之间的差异，会发生什么情况。

这可能是因为你的文件有一个不正确的XML声明（例如，而不是说UTF-8，XML声明应该说像ISO-8859-1。