PHP DomDocument使用破损的XML数据加载

Question

如何处理XML文件中的损坏数据？例如，如果我有以下XML代码：

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

我正在尝试做的事情是：

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

这段代码与未知实体有关，导致其运行失败。请注意，由于软件的写作方式，我无法使用CDATA。我正在编写一个读写XML的模块，有时用户会插入不当文本。

我注意到DOMDocument->loadHTML()可以很好地进行编码，但我该如何继续呢？

- Tower

---

loadHTML()有什么问题吗？据我所知，它是为这种情况而设计的。 - Pekka

你的“continue from there”是什么意思？ - philfreo

实际生成XML的软件存在严重问题，您应该尝试更改它或联系能够解决问题的人。 - ty812

Answer 1

使用htmlspecialchars将特殊的xml字符序列化，然后再将输入推入xml/xhtml dom中。尽管它的名称以"html"为前缀，但基于它所替换的唯一字符，它确实非常适用于xml数据序列化。

- Kevin Peno

Answer 2

也许你可以使用 preg_replace_callback 来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);

- mattbasta

Answer 3

如果您是编写XML的人，那么应该没有问题，因为您可以在将任何用户输入放入XML之前将其编码为实体。

- Krab