php - XML 中的项目符号 "•"

Question

类似于这个question我正在使用其中包含一些非法字符的 XML 产品。我严重怀疑我能否让他们解决问题，但我会尝试。与此同时，我想要一个解决方法。

问题是它包含一颗子弹。它在我的来源中呈现为“?”。我尝试了一些编码转换，但没有找到有效的组合。 (我什至不习惯考虑我的编码类型，所以我不在这里。)所以，我尝试了下面的内容，似乎 str_replace 无法识别“•”。 (它在我的文本编辑器中呈现为高 block )你可以看到我尝试了一些不同的事情的注释行。

我先尝试用 str 替换“•”，然后进行调整，这是我最新的:

// deal with bullets in XML.
$bullet="•"; //this was copied and pasted from transliterated text.
//$data=iconv( "UTF-8", "windows-1252//TRANSLIT", $data ); //transliterate the text:
//$data=str_replace($bullet,'•',$data); // replace the bullet char
$data=str_replace($bullet,' - ',$data); // replace the bullet char
//$data=iconv( "windows-1252", "UTF-8", $data ); // return the text to utf-8 encoding.

关于如何去除或替换这个字符有什么想法吗？如果有预清理 XML 的功能，那就太好了，我就不用担心了。

Answer 1

根据定义，XML 没有非法字符。如果某个字符串包含不属于 XML 的字符，则该字符串根据定义不是 XML。

您关注的字符是 Unicode 的一部分。由于 XML 基于 Unicode，这是个好消息。因此，让我们说出您的目标:

• Unicode Character 'BULLET' (U+2022)

所以你现在说它呈现为 •。因为 U+2022 在 UTF-8 中编码为 0xE2 0x80 0xA2，所以可以或多或少安全地假设您采用 UTF-8 编码字符串(顺便说一句，这是 XML 中使用的默认编码)但是命令软件渲染它以将其视为某种单字节编码，从而将单个代码点转换为三个不同的字符:

• Unicode Character 'LATIN SMALL LETTER A WITH CIRCUMFLEX' (U+00E2)
• Unicode Character 'EURO SIGN' (U+20AC)
• Unicode Character 'CENT SIGN' (U+00A2)

相反，您需要命令渲染应用程序使用 UTF-8 编码。那应该立即解决您的问题。所以找到你引入错误编码的地方，你很可能不需要重新编码它，只是为了正确提示编码。

如果您想知道哪些单字节字符编码在相应字节 (0xE2 0x80 0xA2) 处具有这三个 Unicode 字符，这里有一个列表。我突出显示了其中最受欢迎的一个:

• ISO-8859-15(拉丁语 9)
• OEM 858(多语言拉丁语 I + 欧元)
• Windows 1252(拉丁语 I)
• Windows 1254(土耳其语)
• Windows 1256(阿拉伯语)
• Windows 1258(越南)