PHP、MySQL 和 XML = 乱码 HTML 输出

Question

我在 MySQL 中有一个文本类型的字段，使用以下排序规则:utf8_general_ci。

此 XML 字段使用使用 DOMDocument 构建的变量填充:

function ed_audit_node($dom, $field, $new, $old){

    //create audit_detail node
    $ad = $dom->createElement('audit_detail');

    $fn = $dom->createElement('fieldname');
    $fn->appendChild($dom->createTextNode($field));
    $ad->appendChild($fn);

    $ov = $dom->createElement('old_value');
    $ov->appendChild($dom->createTextNode($old));
    $ad->appendChild($ov);

    $nv = $dom->createElement('new_value');
    $nv->appendChild($dom->createTextNode($new));
    $ad->appendChild($nv);

    //append to document
    return $ad;
}

这是我保存到数据库的方法( $xml 来自 $dom->saveXML() ):

function ed_audit_insert($ed, $xml){
    global $visitor;

    $sql = <<<EOF
    INSERT INTO ed.audit
    (employee_id, audit_date, audit_action, audit_data, user_id) 
    VALUES (
        {$ed[emp][employee_id]}, 
        now(), 
        '{$ed[audit_action]}', 
        '{$xml}', 
        {$visitor[user_id]}
    );      
EOF;
    $req = mysql_query($sql,$ed['db']) or die(db_query_error($sql,mysql_error(),__FUNCTION__));
//snip  
}

查看一个较旧的、平行的、稍微相关的线程，了解我如何创建此 XML: Another PHP XML parsing error: "Input is not proper UTF-8, indicate encoding!"

有效的方法:- 查询数据库，选择字段并使用 jQuery (.ajax()) 输出它并填充文本区域。 Firebug 和文本区域与数据库中的内容匹配(通过 Toad 确认)。

什么不起作用:- 将数据库中的文本输出到 HTML 页面中。此 HTML 页面的内容类型为 ISO-8859-1，我无法更改。

这是将其输出到屏幕的代码:

$xmlData = simplexml_load_string($d['audit_data']);

foreach ($xmlData->audit_detail as $a){
    echo "<p> straight from db = ".$a->new_value."</p>";
    echo "<p> utf8_decode() = ".utf8_decode($a->new_value)."</p>";
} 

我还为 Firefox 使用了一个字符集转换器扩展:尝试了 ISO-8859-1、UTF-8 和 1252 但没有成功。

如果它是 UTF-8，我不应该看到里面有问号的菱形吗(因为它是 content-type = ISO-8859-1)？如果不是 UTF-8，那是什么？

编辑#1

这是我所做的其他测试的快照:

$xmlData = simplexml_load_string($d['audit_data']);
foreach ($xmlData->audit_detail as $a){
    echo "<p>encoding is, straight from db, using mb_detect_encoding: ".mb_detect_encoding($a->new_value)."</p>";
    echo "<p>encoding is, with utf8_decode, using mb_detect_encoding: ".mb_detect_encoding(utf8_decode($a->new_value))."</p>";
    echo "<hr/>";
    echo "<p> straight from db = <pre>".$a->new_value."</pre></p>";
    echo "<p> utf8_decode() = <pre>".utf8_decode($a->new_value)."</pre></p>";
    echo "<hr/>";
    $iso88591_2 = iconv('UTF-8', 'ISO-8859-1', $a->new_value);
    $iso88591_3 = mb_convert_encoding($a->new_value, 'ISO-8859-1', 'UTF-8');
    echo "<p> iconv() = ".$iso88591_2."</p>";
    echo "<p> mb_convert_encoding() = ".$iso88591_3."</p>";
}

编辑 #2

我添加了 FF 专有标签 xmp。

代码:

$xmlData = simplexml_load_string($d['audit_data']);

foreach ($xmlData->audit_detail as $a){
    echo "<p>encoding is, straight from db, using mb_detect_encoding: ".mb_detect_encoding($a->new_value)."</p>";
    echo "<p>encoding is, with utf8_decode, using mb_detect_encoding: ".mb_detect_encoding(utf8_decode($a->new_value))."</p>";
    echo "<hr/>";
    echo "<p> straight from db = <pre>".$a->new_value."</pre></p>";
    echo "<p> utf8_decode() = <pre>".utf8_decode($a->new_value)."</pre></p>";
    echo "<hr/>";
    $iso88591_2 = iconv('UTF-8', 'ISO-8859-1', $a->new_value);
    $iso88591_3 = mb_convert_encoding($a->new_value, 'ISO-8859-1', 'UTF-8');
    echo "<p> iconv() = ".$iso88591_2."</p>";
    echo "<p> mb_convert_encoding() = ".$iso88591_3."</p>";
    echo "<hr/>";
    echo "<p>straight from db, using &lt;xmp&gt;  = <xmp>".$a->new_value."</xmp></p>";
    echo "<p>utf8_decode(), using &lt;xmp&gt; = <xmp>".utf8_decode($a->new_value)."</xmp></p>";

}

以下是页面中的一些元标记:

<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" />
<meta name="dc.language" scheme="ISO639-2/T" content="eng" />

IMO，最后一个元标记没有意义。

编辑 #3

源代码:

<p>encoding is, straight from db, using mb_detect_encoding: UTF-8</p><p>encoding is, with utf8_decode, using mb_detect_encoding: ASCII</p><hr/><p> straight from db = <pre>Ro马eç ³é ¥n franê¡©s</pre></p><p> utf8_decode() = <pre>Ro?e??n fran?s</pre></p><hr/><p> iconv() = Ro</p><p> mb_convert_encoding() = Ro?e??n fran?s</p><hr/><p>straight from db, using &lt;xmp&gt;  = <xmp>Ro马eç ³é ¥n franê¡©s</xmp></p><p>utf8_decode(), using &lt;xmp&gt; = <xmp>Ro?e??n fran?s</xmp></p>

编辑 #4

这是进入数据库的 SQL 语句:

INSERT INTO ed.audit
    (employee_id, audit_date, audit_action, audit_data, user_id) 
    VALUES (
        75, 
        now(), 
        'u', 
        '<?xml version="1.0"?>
<audit><audit_detail><fieldname>role_fra</fieldname><old_value>aRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s</old_value><new_value>bRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s</new_value></audit_detail></audit>
', 
        333
    );

!请注意，此 XML 中的文本不一定与上面提供的屏幕截图匹配。

编辑#5

这是我的新函数，它将 CDATA 标签包装在我的旧值和新值节点的值周围:

function ed_audit_node($dom, $field, $new, $old){

    //create audit_detail node
    $ad = $dom->createElement('audit_detail');

    $fn = $dom->createElement('fieldname');
    $fn->appendChild($dom->createTextNode($field));
    $ad->appendChild($fn);

    $ov = $dom->createElement('old_value');

    $ov->appendChild($dom->createCDATASection($old));
    $ad->appendChild($ov);

    $nv = $dom->createElement('new_value');
    $nv->appendChild($dom->createCDATASection($new));
    $ad->appendChild($nv);

    //append to document
    return $ad;
}

我还在 XML 文档中添加了编码:

$dom = new DomDocument('1.0', 'UTF-8');

这是我新的 simpleXML 调用:

$xmlData = simplexml_load_string($d['audit_data'], "SimpleXMLElement", LIBXML_NOENT | LIBXML_NOCDATA);

我在 Toad 中也看到了 CDATA 标签。但是，我仍然收到错误消息:

Warning: simplexml_load_string() [function.simplexml-load-string]: Entity: line 2: parser error : Input is not proper UTF-8, indicate encoding ! Bytes: 0xE9 0xE9 0x6C 0x65 in <snip>

编辑 #6

我刚刚注意到 jQuery 调用在 CDATA 中返回了正确的重音字符。

Answer 1

从技术上讲，您的字符串是 UTF8 编码的，但 HTML 编码的字符(当由浏览器呈现时)不是 UTF8 编码的。所以ꡩ是有效的 UTF8 字符串，但从 Web 浏览器呈现到屏幕上的字符不是有效的 UTF8。

我也会像这样将您的回显包装到屏幕上(您示例中的最后两行):

echo "<p>straight from db = <xmp>".$a->new_value."</xmp></p>";
echo "<p>utf8_decode() = <xmp>".utf8_decode($a->new_value)."</xmp></p>";

这将清楚地显示我在上面提出的观点。

编辑:

问题实际上是 PHP 的 simplexml_load_string() 中无法控制的未记录的“功能”。它会自动将所有字符从其 XML 实体形式转换为实际的字符形式。避免这种情况的唯一方法是像这样使用 simplexml_load_string():

 $data = simplexml_load_string(
      '<?xml version="1.0" encoding="utf-8"?> 
           <audit>
                <audit_detail>
                     <fieldname>role_fra</fieldname>
                     <old_value><![CDATA[aRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s]]></old_value>
                     <new_value><![CDATA[bRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s]]></new_value>
                </audit_detail>
           </audit>', 
      "SimpleXMLElement", 
      LIBXML_NOENT | LIBXML_NOCDATA
 );
 print "<PRE>";
 print_r($data);
 exit;

您必须将元素包装在 <![CDATA[]]> 中标记，然后将 LIBXML_NOCDATA 选项传递给 xml 解析器。这将强制 <![CDATA[]]> 中的内容将标记转换为字符串类型，PHP 可以在 SimpleXMLObject 之外正确处理它。