我尝试用Simple XML向XML对象添加字符串。
示例(http://ideone.com/L4ztum):
$str = "<aoc> САМОЛЕТОМ ТК Адамант, г.Домодедово, мкр-н Востряково, Центральный просп. д.12</aoc>";
$movies = new SimpleXMLElement($str);
但是它给出了一个警告:
PHP警告:SimpleXMLElement::__construct(): Entity:第1行:解析器错误:PCDATA无效Char值2在/home/nmo2e7/prog. PHP第5行
和最后一个异常,消息字符串不能解析为XML。
如果我删除两个Unicode字符,它可以工作(http://ideone.com/LaMvHN):
$str = "<aoc> САМОЛЕТОМ ТК Адамант, г.Домодедово, мкр-н Востряково, Центральный просп. д.12</aoc>";
^
`-- two invisible characters have been removed here
如何从字符串中删除Unicode ?
它不是Unicode,而是两个多余的字节,值为'x01
和'x02
。您可以使用str_replace
:
$s = str_replace("'x01", "", $s);
$s = str_replace("'x02", "", $s);
SimepleXMLElement的构造函数需要它的第一个参数是格式良好的XML。
传递的字符串
$str = "<aoc> САМОЛЕТОМ'x02'x01 ТК Адамант, г.Домодедово, мкр-н Востряково, Центральный просп. д.12</aoc>";
不是格式良好的XML,因为它包含超出XML字符范围的字符,即:
- Unicode字符'START OF TEXT' (U+0002)在二进制偏移量24
- Unicode字符'START OF HEADING' (U+0001)在二进制偏移量25
在下面的示例中,我假设您已经获得了要为其创建XML元素的文本。这个示例创建了一个类似于您的问题中的XML元素,不同之处在于传入的是作为文档元素("<aoc>
")文本内容的完全相同的字符串。
$text = 'САМОЛЕТОМ ТК Адамант, г.Домодедово, мкр-н Востряково, Центральный просп. д.12';
$xml = new SimpleXMLElement('<?xml version="1.0" encoding="UTF-8"?><aoc/>');
$xml->{0} = $text; // set the document-element's text-content to $text
当这样做时,SimpleXML将为您过滤任何无效的控制字符,并且SimpleXMLElement保持稳定:
$str = $xml->asXML();
$movies = new SimpleXMLElement($str);
print_r($movies);
/* output:
SimpleXMLElement Object
(
[0] => САМОЛЕТОМ ТК Адамант, г.Домодедово, мкр-н Востряково, Центральный просп. д.12
)
*/
最后回答你的问题:
如何从字符串中删除Unicode ?
您不想从字符串中删除Unicode。SimpleXML库只接受Unicode字符串(UTF-8编码)。您需要的是删除对XML使用无效的unicode字符。当您设置节点值时,SimpleXML库为您完成了这项工作。
但是,如果您尝试通过构造函数或构造函数(simplexml_load_string
等)加载非格式良好的XML,它将失败并给您(重要的)错误。
我希望这能澄清你的情况,并回答你的问题。