带有损坏的 XML 数据的 PHP DomDocument XML 加载答案

【问题标题】：PHP DomDocument XML Load with Broken XML Data带有损坏的 XML 数据的 PHP DomDocument XML 加载
【发布时间】：2010-12-13 19:21:38
【问题描述】：

您如何处理 XML 文件中的损坏数据？例如，如果我有

<text>Some &improper; text here.</text>

我正在努力：

 $doc = new DOMDocument();
 $doc->validateOnParse = false;
 $doc->formatOutput = false;
 $doc->load(...xml');

它惨遭失败，因为有一个未知实体。注意，由于软件的编写方式，我不能使用 CDATA。我正在编写一个读写 XML 的模块，有时用户会插入不正确的文本。

我注意到 DOMDocument->loadHTML() 可以很好地编码所有内容，但我该如何从那里继续呢？

【问题讨论】：

loadHTML() 有什么问题？据我了解，它是为这样的情况而设计的。
“从那里继续”是什么意思？
实际生成 XML 的软件已严重损坏，您应该尝试更改它 - 或联系有能力的人。

标签： php xml parsing syntax entities

【解决方案1】：

在将输入推送到您的 xml/xhtml dom 之前，使用 htmlspecialchars 序列化特殊的 xml 字符。虽然它的名称以“html”为前缀，但基于它替换的唯一字符，它对于 xml 数据序列化非常有用。

【讨论】：

【解决方案2】：

也许您可以使用 preg_replace_callback 为您处理实体的繁重工作：

http://php.net/manual/en/function.preg-replace-callback.php

function fixEntities($data) {
    switch(substr($data, 1, strlen($data) - 2)) {
        case 'amp':
        case 'lt':
        case 'gt':
        case 'quot': // etc., etc., etc.
            return $data;
    }
    return '';
}
$xml = preg_replace_callback('/&([a-zA-Z0-9#]*);{1}/', 'fixEntities', $xml);

【讨论】：

【解决方案3】：

如果您是编写 xml 的人，应该没有问题，因为您可以将任何用户输入编码为实体，然后再将其放入 xml。

【讨论】：