PHP - DOM類 - 實體編號和編碼問題

我想提出一個網站地圖的腳本，我需要的$輸出doc-> saveXML（）要像

<?xml version="1.0" encoding="UTF-8"?> 
<root> 
    <url> 
     <loc>http://www.somesite.com/servi&#xE7;os/redesign</loc> 
    </url> 
</root>

或

<?xml version="1.0" encoding="UTF-8"?> 
<root> 
    <url> 
     <loc>http://www.somesite.com/servi&#231;os/redesign</loc> 
    </url> 
</root>

，但我得到：

<?xml version="1.0" encoding="UTF-8"?> 
<root> 
    <url> 
     <loc>http://www.somesite.com/servi&amp;#xE7;os/redesign</loc> 
    </url> 
</root>

這是衣櫃裏我能得到，使用頂替命名編號的實體功能。

我也能夠重現

<?xml version="1.0" ?> 
<root> 
    <url> 
     <loc>http://www.somesite.com/servi&amp;#xE7;os/redesign</loc> 
    </url> 
</root>

但是，如果沒有指定的編碼。

最好的解決方案（我想的代碼應寫入的方式）將是：

<?php 
$myArray = array(); 
// do some stuff to populate the with URL strings 

$doc = new DOMDocument('1.0', 'UTF-8'); 

// here we modify some property. Maybe is the answer I am looking for... 

$urlset = doc->createElement("urlset"); 
$urlset = $doc->appendChild($urlset); 

foreach($myArray as $address) { 
    $url = $doc->createElement("url"); 
    $url = $urlset->appendChild($url); 

    $loc = $doc->createElement("loc"); 
    $loc = $url->appendChild($loc); 

    $valueContent = $doc->createTextNode($value); 
    $valueContent = $loc->appendChild($address); 
} 

echo $doc->saveXML(); 
?>

注：

服務器響應報頭包含的字符集爲UTF-8;
PHP腳本保存在UTF-8;
網址讀是UTF-8字符串;
上面的腳本包含DOM文檔構造編碼聲明，並且不使用任何轉換功能，如ヶ輛，用urlencode，函數utf8_encode ...

我試圖改變DOM文檔屬性的DOMDocument :: $ resolveExternals和DOMDocument :: $ substituteEntities值。沒有組合的工作。

是的，我知道我可以做所有的過程，而不指定字符的DOM文檔構造函數中設置轉儲字符串內容到一個變量，並用繩子一個非常簡單的字符串替換替換功能。這工作。但我想知道我在哪裏滑倒，如何使用本機API和設置進行此操作，或者即使這是可能的。

在此先感謝。

來源

2010-05-18 Dave

感謝您的所有意見和答覆。在進一步閱讀了sitemap協議規範和RFC之後，我得到了一個解決方案。我正在使用urlencode函數處理URL條目。我意識到的一件事是PHP的內置urlencode函數大部分基於RFC 1738.當前URL RFC是3986. 這裏是我的函數來正確地將URL轉換爲百分比實體。 – Dave 2010-05-19 01:22:24

function myUrlEncode（$ string）{ \t $ entities = array（'％21'，'％2A'，'％27'，'％28'，'％29'，'％3B'，'％3A'， '％40'，'％26'，'％3D'，'％2B'，'％24'，'％2C'，'％2F'，'％3F'，'％25'，'％23'， '％5B'，'％5D'）; \t $ replacements = array（'！'，'*'，「'」，「（」，「）」，「;」，「：」，「@」，「＆」，「=」，「+」，「$」，「，」，「/」，「？」，「％」，「＃」，「[」，「]」）; \t return str_replace（$ entities，$ replacementments，urlencode（$ string））; } – Dave 2010-05-19 01:23:42

resolveExternals和substituteEntities是解析器功能。它們對序列化沒有影響。

XML信息不作任何任何區別之間：

<loc>http://www.somesite.com/serviços/redesign</loc> 
<loc>http://www.somesite.com/servi&#xE7;os/redesign</loc> 
<loc>http://www.somesite.com/servi&#231;os/redesign</loc>

它們都代表完全相同的信息，任何XML解析器必須把他們當作是相同的，XML序列化通常不會讓你選擇哪個輸出。通常，您應該將文本節點的值設置爲包括ç，並讓串行器將其寫入ç，作爲輸出中的原始UTF-8字節字符串。

如果你真的必須生成一個只包含ASCII一個XML文件，所以你不能像ç直接使用字符，然後告訴PHP使用ASCII作爲文檔編碼：

$s= "serviços"; // or "\xC3\xA7" if you can't input UTF-8 strings directly 

$doc = new DOMDocument('1.0', 'US-ASCII'); 
$doc->appendChild($loc= $doc->createElement('loc')); 
$loc->appendChild($doc->createTextNode($s)); 
echo $doc->saveXML();

結果：

<?xml version="1.0" encoding="US-ASCII"?> 
<loc>servi&#231;os</loc>

但是......說了這麼多，我仍然認爲這是不對的。您的值似乎是一個URL，而非ASCII字符在URL中無效，無論它們在包含的XML中如何編碼。它應該是：

http://www.somesite.com/servi%C3%A7os/redesign

ie。 rawurlencode('serviços')。

來源

2010-05-18 20:38:57 bobince

感謝您的意見和澄清。這不完全是我尋找的解決方案，但幫助我很多，導致正確的道路。 – Dave 2010-05-19 01:25:01

把它傳遞給一個createTextNode

$valueContent = $doc->createTextNode(html_entity_decode($value, ENT_QUOTES, 'UTF-8'));

這之前解碼你的實體，因爲&＃231;不是UTF-8文檔中的有效實體。所以DomDocument看到&並將其編碼爲& amp;

來源

2010-05-18 20:36:20 ircmaxell

PHP - DOM類 - 實體編號和編碼問題

回答

相關問題