PHP 没有用于 XML 安全实体解码的函数吗？没有一些 xml_entity_decode？

Question

问题:我需要一个由 UTF8“完全编码”的 XML 文件；也就是说，没有表示符号的实体，所有符号都由 UTF8 编码，除了唯一的 3 个 XML 保留的符号，“&”(amp)、“<”(lt) 和“>”(gt)。而且，我需要一个内置函数来快速完成:将实体转换为真正的 UTF8 字符(不会破坏我的 XML)。
PS:这是一个“现实世界的问题”(!)；在PMC/journals ，例如，有 280 万篇科学文章以 a special XML DTD 结尾(也称为 JATS format )...要处理为“普通 XML-UTF8 文本”，我们需要将数字实体更改为 UTF8 字符。

尝试的解决方案:此任务的自然函数是 html_entity_decode , 但它破坏了 XML 代码 (!), 转换保留的 3 个 XML 保留符号。

说明问题

假设

  $xmlFrag ='<p>Hello world! &#160;&#160; Let A&lt;B and A=&#x222C;dxdy</p>';

其中实体 160 (nbsp) 和 x222C(双整数)必须转换为 UTF8，并且 XML 保留 lt不是。 XML 文本将是(转换后)，

$xmlFrag = ' <p> Hello World !让 A < B 和 A=∬dxdy </p> ';

文本“A A&lt;B .

---

受挫的解决方案

我尝试使用 html_entity_decode为了解决(直接!)问题...所以，我将 PHP 更新到 v5.5 以尝试使用 ENT_XML1选项，

  $s = html_entity_decode($xmlFrag, ENT_XML1, 'UTF-8'); // not working
                                                        // as I expected

也许另一个问题是，“为什么没有其他选项来执行我期望的操作？”——这对许多其他 XML 应用程序(!)来说很重要，不仅对我而言。 p>

---

我不需要解决方法作为答案...好吧，我展示了我丑陋的功能，也许它可以帮助您理解问题，

  function xml_entity_decode($s) {
    // here an illustration (by user-defined function) 
    // about how the hypothetical PHP-build-in-function MUST work
    static $XENTITIES = array('&','>','<');
    static $XSAFENTITIES = array('#_x_amp#;','#_x_gt#;','#_x_lt#;');
    $s = str_replace($XENTITIES,$XSAFENTITIES,$s); 

    //$s = html_entity_decode($s, ENT_NOQUOTES, 'UTF-8'); // any php version
    $s = html_entity_decode($s, ENT_HTML5|ENT_NOQUOTES, 'UTF-8'); // PHP 5.3+

    $s = str_replace($XSAFENTITIES,$XENTITIES,$s);
    return $s;
  }  // you see? not need a benchmark: 
     //  it is not so fast as direct use of html_entity_decode; if there 
     //  was an XML-safe option was ideal.

PS:在 this answer 之后更正.必须是 ENT_HTML5标志，用于转换 really all named entities .

Answer 1

这个问题会一次又一次地产生“错误答案”(参见答案)。这可能是因为人们没有注意，也因为没有答案:缺少PHP内置解决方案。

...所以，让我们重复我的解决方法(不是答案!)，以免造成更多困惑:

最佳解决方法

注意:

1. 下面的函数 xml_entity_decode() 是最好的(超过任何其他)解决方法。
2. 下面的函数不是对present question 的回答。 , 这只是一个解决方法。

  function xml_entity_decode($s) {
  // illustrating how a (hypothetical) PHP-build-in-function MUST work
    static $XENTITIES = array('&','>','<');
    static $XSAFENTITIES = array('#_x_amp#;','#_x_gt#;','#_x_lt#;');
    $s = str_replace($XENTITIES,$XSAFENTITIES,$s); 
    $s = html_entity_decode($s, ENT_HTML5|ENT_NOQUOTES, 'UTF-8'); // PHP 5.3+
    $s = str_replace($XSAFENTITIES,$XENTITIES,$s);
    return $s;
 }  

---

为了测试并证明您有更好的解决方案，请先使用这个简单的基准测试:

  $countBchMk_MAX=1000;
  $xml = file_get_contents('sample1.xml'); // BIG and complex XML string
  $start_time = microtime(TRUE);
  for($countBchMk=0; $countBchMk<$countBchMk_MAX; $countBchMk++){

    $A = xml_entity_decode($xml); // 0.0002

    /* 0.0014
     $doc = new DOMDocument;
     $doc->loadXML($xml, LIBXML_DTDLOAD | LIBXML_NOENT);
     $doc->encoding = 'UTF-8';
     $A = $doc->saveXML();
    */

  }
  $end_time = microtime(TRUE);
  echo "\n<h1>END $countBchMk_MAX BENCKMARKs WITH ",
     ($end_time  - $start_time)/$countBchMk_MAX, 
     " seconds</h1>";