php - Xml 中的非法字符

Question

我有一个 PHP 文件，它根据从多个来源导入的数据生成一个 Xml 站点地图。由于导入数据的一行中存在非法字符，我的站点地图目前格式不正确，但我正在努力将其删除。

该字符看起来代表“平方”或上标 2，并被表示为一个正方形。我试过将其粘贴到十六进制编辑器中，但它显示为？，十六进制代码也对应于？。我还尝试使用 iconv 将所有源编码转换为所有目标编码，而没有组合删除此字符。

我还有以下功能来删除非ascii字符:

function stripInvalidXml($value)
{
    $ret = "";
    $current;
    if (empty($value)) 
    {
        return $ret;
    }

    $length = strlen($value);
    for ($i=0; $i < $length; $i++)
    {
        $current = ord($value{$i});
        if (($current == 0x9) ||
            ($current == 0xA) ||
            ($current == 0xD) ||
            (($current >= 0x20) && ($current <= 0xD7FF)) ||
            (($current >= 0xE000) && ($current <= 0xFFFD)) ||
            (($current >= 0x10000) && ($current <= 0x10FFFF)))
        {
            if($current != 0x1F)
            {
                $ret .= chr($current);
            }
        }
        else
        {
            $ret .= " ";
        }
    }


    return $ret;
}

但是这仍然没有删除它。如果我单步执行代码，非法字符会在 eclipses 调试窗口中扩展为 。它有问题的字符串在下面(希望它正确粘贴)

251gm-50

非常感谢任何有关删除此字符并防止出现此表单的函数的想法 - 我无法控制导入的数据，因此需要在生成 Xml 时完成。

编辑

发布后我发现角色显示不正确。在 Eclipse 窗口中查看时，它显示为 & # 65535 ; (没有空格 - 如果我在其中留下空格，它会呈现字符，看起来像)

Answer 1

您正在尝试执行字符转码。不要自己动手，使用 PHP 库。

我发现 iconv 非常有用:

$cleanText = iconv('UTF-8','ISO-8859-1//TRANSLIT//IGNORE', $srcText);

此代码从 utf-8 转换为 iso-8859，尝试重新映射“奇异”字符并忽略无法转码的字符。

我只是猜测源编码是 utf-8。您必须发现传入数据使用的是哪种编码，并将其转换为您在 XML header 中声明的编码。

猜测文件编码的 linux 命令行工具是 enca