使用PHP5解析的XML输出中缺少字符

Question

我正在尝试解析以下XML文件：

<?xml version="1.0" encoding="iso-8859-1"?>
<!DOCTYPE content PUBLIC "-//BLACKWELL PUBLISHING GROUP//DTD 4.0//EN" "http://www.blackwellpublishing.com/xml/dtds/4-0/bpg4-0.dtd">
<content dtdver="4.0" docfmt="xml">
....
<forenames>NIELS B&Oslash;IE</forenames><x> </x>

起初它不会加载，但现在我的代码至少看起来像是使用DTD来找出像Ø (？)这样的实体，但是下一个问题是它不能在输出中显示字符。

这是我的解析代码：

$options = LIBXML_DTDLOAD | LIBXML_NOENT | LIBXML_DTDVALID | LIBXML_NOCDATA;
$doc = simplexml_load_string ( $xml,null,$options );
echo $doc->document->header->namegroup->name->forenames."\n";

这是输出：

NIELS BIE

我也尝试了DOM XML解析，然后输出是NIELS B IE (所以用一个空格..)

有什么想法吗？

Answer 1

看一下DTD，它是这样说的(但没有换行)：

<!ENTITY Oslash 
    "<symbol name='Oslash' unicode='00D8'
     type='html' glyph='@Oslash;' description='capital O, slash' 
     ascii='O' > </symbol>"
>

对于任何使用这个DTD的XML阅读器来说，这意味着“只要您在Ø源文件中看到这个确切的字母组合，就用下面的文本替换它：<symbol name='Oslash' unicode... > </symbol>

这意味着XML数据实际上是这样读取的：

<forenames>NIELS B<symbol name='Oslash' unicode='00D8'
     type='html' glyph='@Oslash;' description='capital O, slash' 
     ascii='O' > </symbol>IE</forenames>

...which解释了为什么它没有显示在你的浏览器中。解决方法是在XML文档中搜索所有<symbol>元素，读取unicode参数并将其替换为该参数。

再看一看，DTD顶部的评论表明他们已经考虑到了和你一样的人！<symbol>标记上的glyph属性是用于该符号的标准<symbol>实体，但用@替换了与号。

10 read xml document
20 search for any <symbol> element
30 read the "glyph" attribute
40 remove the <symbol> element
50 replace the @ with an & in glyph
60 write that in the place of <symbol>
70 goto 20

Answer 2

与XML文件一起使用的DTD不包含Oslash实体。因此，XML解析器根本不知道如何处理？，然后就会产生混乱和/或搞笑。

将HTML的命名实体( Oslash是其中的一部分)的概念与XML的命名实体(apos、lt、gt、quot、amp)的概念分开是很重要的。基本上，如果不是HTML，就没有Oslash (至少在一般情况下，一些DTD可能有Oslash，但它可能根本不是您想要的字符。

换句话说，始终使用UTF-8。一直都是。

编辑:Ö也是拉丁语-1。

Answer 3

如果你有正确的编码，你不需要转义Ø (？)。试着使用unicode来确认。

如果没有办法改变尝试取消转义HTML实体的行为，请查看PHP手册。