Ben büyük bir XML dosyasını ayrıştırmak için çalışan bir PHP komut dosyası var. Bunun için ben XMLReader kitaplığı kullanıyorum. Ayrıştırma sırasında ben bu kodlama hatası var:
Giriş, UTF-8 uygun değil kodlamayı göstermek! Bit: 0xA0 0x32 0x36 0x30
Ben onlar kötü karakterler ile kayıtları atlamak için bir yol olup olmadığını bilmek istiyorum.
Teşekkürler!
Her şeyden önce, XML dosyası gerçekten UTF-8 olarak kodlanmış olduğundan emin olun. Değilse XMLReader::open() için ikinci parametre olarak kodlamayı belirtin.
Kodlama hatası bir UTF-8 belgede gerçek biçimlendirilmiş byte dizisi nedeniyle ve PHP kullanarak eğer> Eğer {(hata seviyesine bağlı olarak) geçmek LIBXML_NOERROR ve / veya verebilecek 5.2.0 eğer [ (1)]} {üçüncü parametre için bir bit maskesi olarak [(2)]} :
$xml = new XMLReader();
$xml->open('myxml.xml', null, LIBXML_NOERROR | LIBXML_NOWARNING);
Yorum yok PHP kullanıyorsanız> Eğer libXML hata işleme çimdik 5.1.0.
// enable user error handling
libxml_use_internal_errors(true);
/* ... do your XML processing ... */
$errors = libxml_get_errors();
foreach ($errors as $error) {
// handle errors here
}
libxml_clear_errors();
Önceki iki çalışma-arounds aslında onlar sadece hata çıkışını bastırmak ise XMLReader, bir hata durumunda okumaya devam ya da izin verirseniz ben aslında bilmiyorum. Ama denemeye değer.
Responding to comment:
libXML tanımlar XML_PARSE_RECOVER (1) but ext/libxml does not expose this constant as a PHP constant. Perhaps it's possible to pass the integer value 1 $options parametresine.
$xml = new XMLReader();
$xml->open('myxml.xml', null, LIBXML_NOERROR | LIBXML_NOWARNING | 1);
Ben XMLReader size anlattıklarını dinlemek istiyorsunuz. Birçok kodlamaları ASCII supersetleri olduğunu unutmayın, bu yüzden (örneğin) UTF-8 ve ISO-8859-1 ilk 128 kod noktaları için ASCII aynıdır. Biliyorsunuz dosya gerçekten ISO-8859-1 olarak kodlanmış olabilir, ama hemen hemen tüm karakterlerin bu karakter kümesinin alt, ASCII yarısına aittir. Bu durumda, hata, XML için varsayılan kodlamayı UTF-8 kullanmak için icar sizin olacaktır.
ISO-8859-1 byte dizisi 0xA0 0x32 0x36 0x30 mükemmel geçerlidir: '2 ardından bölünemez boşluk ', '6', '0 '.