代码之家 › 专栏 › 技术社区 › Maarten

使用php5分析的XML输出中缺少字符

simplexml xml php

0

Maarten · 技术社区 · 17 年前

我正在尝试分析以下XML文件:

<?xml version="1.0" encoding="iso-8859-1"?>
<!DOCTYPE content PUBLIC "-//BLACKWELL PUBLISHING GROUP//DTD 4.0//EN" "http://www.blackwellpublishing.com/xml/dtds/4-0/bpg4-0.dtd">
<content dtdver="4.0" docfmt="xml">
....
<forenames>NIELS B&Oslash;IE</forenames><x> </x>

起初它不会加载,但现在我有了代码,至少可以使用DTD来计算实体 Ø (_),但下一个问题是它没有在输出中显示字符。

这是我的解析代码:

$options = LIBXML_DTDLOAD | LIBXML_NOENT | LIBXML_DTDVALID | LIBXML_NOCDATA;
$doc = simplexml_load_string ( $xml,null,$options );
echo $doc->document->header->namegroup->name->forenames."\n";

这是输出:

尼尔斯比

我也尝试过用dom xml解析,然后输出为niels b ie(所以用空格..)。

有什么想法吗?

4 回复 | 直到 13 年前

1

2

nickf 17 年前

看一下DTD,上面写着(但没有换行符):

<!ENTITY Oslash 
    "<symbol name='Oslash' unicode='00D8'
     type='html' glyph='@Oslash;' description='capital O, slash' 
     ascii='O' > </symbol>"
>

对于使用此DTD的任何XML读卡器,这意味着“每当您在源代码中看到这种确切的字母组合时: Ø ,将其替换为以下文本: <symbol name='Oslash' unicode... > </symbol>

这意味着XML数据实际上是这样读取的:

<forenames>NIELS B<symbol name='Oslash' unicode='00D8'
     type='html' glyph='@Oslash;' description='capital O, slash' 
     ascii='O' > </symbol>IE</forenames>

…这解释了为什么它没有出现在您的浏览器中。解决方法是搜索XML文档 <symbol> 元素,阅读 unicode 参数并用它替换它们。

再看一看,DTD顶部的评论显示他们已经考虑过你的处境中的人了!这个 glyph 属性 <符号& GT; 标记是用于该符号的标准HTML实体,但用与号替换为@。

10 read xml document
20 search for any <symbol> element
30 read the "glyph" attribute
40 remove the <symbol> element
50 replace the @ with an & in glyph
60 write that in the place of <symbol>
70 goto 20

2

Williham Totland 17 年前

与XML文件一起使用的DTD不包含oslash实体。因此,XML解析器根本不知道如何处理_,混乱和/或欢闹随之而来。

将HTML的命名实体(其中oslash是其一部分)概念与XML的命名实体(apos、lt、gt、quot、amp)概念分开是很重要的。基本上,如果不是HTML,就没有OSLASH(至少在一般情况下,某些DTD可能有它,但它可能根本不是您想要的字符)。

换句话说,总是使用UTF-8。总是。

编辑:_也是拉丁语-1。

3

1

Cem Kalyoncu 17 年前

如果你有正确的编码,你不需要逃避 Ø (_)。请尝试使用Unicode来确定。

如果无法更改行为,请尝试取消对HTML实体的捕获,查看PHP手册。

4

0

Maarten 17 年前

好的,再进一步,如果我用var_dump代替echo,我会得到:

object(SimpleXMLElement)[22]
  public 'symbol' => 
  object(SimpleXMLElement)[21]
  public '@attributes' => 
    array
      'name' => string 'Oslash' (length=6)
      'unicode' => string '00D8' (length=4)
      'type' => string 'html' (length=4)
      'glyph' => string '@Oslash;' (length=8)
      'description' => string 'capital O, slash' (length=16)
      'ascii' => string 'O' (length=1)
  string ' ' (length=1)

我想知道我怎么能用它和名字的内容组成一个完整的字符串