使用PHP读取格式错误的XML（未编码的XML实体）

Question

我在使用PHP解析不规范的XML时遇到了一些问题。特别是我正在查询一个第三方webservice，它以未编码XML实体的形式返回数据。例如，其中一个元素包含ASCII爱心'<3'（不带引号），而XML解析器将其视为开标签。它应该是'&lt;3'。

目前，我只是将XML字符串传递给SimpleXMLElement，可预见地，在这些情况下会失败。我查看了一些资料，似乎PHP Tidy包可以帮我解决问题，但是可以进行的配置量太大了:(

因此，我想知道是否有其他人遇到过类似的问题，如果有，他们是如何解决的。

谢谢！

- jszwedko

Answer 1

尝试 tidy.repairString：

php > $tidy = new tidy();
php > $repaired = $tidy->repairString("<foo>I <3 Philadelphia</foo>", array("input-xml"=>1));
php > print($repaired);
<foo>I &lt;3 Philadelphia</foo>
php > $el = new SimpleXMLElement($repaired);

- Matthew Flaschen

---

太好了，谢谢！我现在感觉有点傻，因为我没有尝试那个配置选项。 - jszwedko

Answer 2

1. 将内容作为字符串读取。
2. htmlspecialchars(preg_replace('/[\x-\x8\xb-\xc\xe-\x1f]/','',$string))
3. 将转换后的字符串加载到SimpleXMLElement中

目前为止，这对我很有效。

- Paul Grigoruta

---

这个不行：new SimpleXMLElement(htmlspecialchars(preg_replace('/[\x-\x8\xb-\xc\xe-\x1f]/','', "<foo>I <3 Philadelphia</foo>"))); 会抛出异常，因为你过度转义了。 - Matthew Flaschen