如何正确地解码XML文件中的特殊字符？

Question

在我解析一些 XML 文件（通常是 RSS）时，遇到了包含如 Today’s Newest 这样的字符的文本，但在从节点中提取文本后，它会变成 Today’s Newest。这告诉我我处理解码过程时存在错误。

我可以简单地 修补我的脚本 来修复这个 bug，但如果还有其他许多字符变成乱码怎么办呢？有没有正确的方法来处理 XML 文件，将其转换为 UTF-8 脚本而不损坏编码呢？

以下是我尝试过但似乎不太有效的一些方法：

$xml = file_get_contents($file);

// One: still contains ’
//$xml = @iconv('UTF-8', 'UTF-8//IGNORE', $xml);

// Two: LibXMLError Entity 'rsquo' not defined
//$xml = htmlentities($xml, null, 'UTF-8');
//$xml = htmlspecialchars_decode($xml, ENT_QUOTES);

// Three: still contains ’
//$xml = mb_convert_encoding($xml, "UTF-8", "UTF-8");

$xml = simplexml_load_string($xml, null, LIBXML_NOCDATA | LIBXML_NOENT);

- Xeoncross

---

请检查您输出内容的方式。如果输出目标不支持UTF-8，也可能会出现此问题。我假设您是将内容输出到浏览器，请检查浏览器编码，并尝试将其明确设置为UTF-8，因为您可能会从XML中获取正确的文本，但它显示错误。如果上述方法无效，请尝试使用DOMDocument加载XML。 - zysoft

请参考以下链接：http://stackoverflow.com/questions/9123370/special-characters-from-xml-file-dont-display-correctly-using-php - Abid Hussain

@zysoft，这解决了’问题！由于XML变得如此庞大，我停止使用CLI进行调试并转向浏览器。我简直不敢相信我忘记检查我的标头了！header('Content-Type: text/html; charset="UTF-8"'); - Xeoncross

@Xeoncross，我会将其作为答案发布。很高兴它对您有所帮助！ - zysoft

Answer 1

尝试一下这个：

$xml = simplexml_load_string($xml, null, LIBXML_NOCDATA | LIBXML_NOENT); $xml->addAttribute('encoding', 'UTF-8');

- Kalpesh

Answer 2

请检查您输出内容的方式。

如果输出目标不支持UTF-8，也可能会出现此问题。

我假设您是输出到浏览器，请检查浏览器编码，并尝试将其明确设置为UTF-8，因为您可能会从XML中获取正确的文本，但它显示错误。

如果上述方法无效，请尝试使用DOMDocument加载XML。

- zysoft

---

header('Content-Type: text/html; charset="UTF-8"'); - Xeoncross