如何从 xml 文件中跳过/删除无效的非 utf8 字符答案

【问题标题】：How to skip/remove invalid non-utf8 characters from a xml file如何从 xml 文件中跳过/删除无效的非 utf8 字符
【发布时间】：2015-03-22 12:06:24
【问题描述】：

我正在寻找一种从 xml 文件中删除/跳过非 utf8 字符的方法。
我正在使用 simplexml_load_string()，但是当文件包含非 utf8 字符时，我收到错误“解析器错误：CharRef：无效的十六进制值”，代码如下所示：

Q7fzÕ6,¯å1òw~Ò`H-7%¨§ÃU³^Ôàƒ³‡Îá_s…“w²žrâºæºçYF#K‰àa¥²o8ÎkìŽ»qíNž‚ËÂUeJvgXêõ»&apos;[Hw®Èl[-&#xAEPs§æŠ§£gáRÓ„Å2Ì$ŽŽŠŽÆÁœ˜.E~Ñ°@=

我无法从该 xml 中保存信息，我尝试了许多来自 web/stackoverflow 的解决方案，没有人帮助我。
我正在尝试使用 preg_replace 等。
谢谢！

【问题讨论】：

问题不在于看起来怪异的字符（它们本身是有效的），而在于像&#xAEP 这样的损坏的实体。尝试删除/转义此文本中的 & 符号或将其包装在 CDATA 块中。
@georg 是的，你说得对，$string = str_replace('&', ' ', $string);我的代码正在运行。

【解决方案1】：

评论回复：

尝试删除/转义此文本中的 & 符号或将其包装在 CDATA 中阻止

所以我在调用函数之前放了
simplexml_load_string($string)
这个
$string = str_replace('&', ' ', $string);.
现在它可以工作了，字符串中没有 & 所以 simplexml_load_string() 可以毫无错误地解析。

【讨论】：