我使用XMLReader解析来自第三方的大型XML文件，文件大小为1GB+。XML文件将编码指定为UTF8（<?xml version="1.0" encoding="utf-8" ?>），尽管它不是。
XMLReader由于未知的编码类型而抛出错误，但直到它已经处理了文件的大部分内容。
异常消息：
输入不是正确的UTF-8，表示编码
我已经确定文件的实际编码是ISO-8859-1，如果我在调用$reader->open()时手动指定它，它将正常工作。
问题是，我的脚本需要解析数据库中的未知文件，因此它需要依赖于文件中指定的编码类型。我需要找到一种方法来解析任何文件，无论其编码如何，有什么建议吗？
我发现vim非常擅长从一种编码转换到另一种编码。
我的诀窍是正常解析文件，当遇到编码错误时，只需用vim重新编码文件，然后再次开始解析。
大致想法如下：
$xmlFile = '/path/to/file.xml';
// Parse the file in a loop
while(...)
{
try
{
// Normal parsing logic...
$reader->readOuterXml();
//...
}
catch(Exception $ex)
{
$encoding = getXMLEncoding($xmlFile) ?: 'utf-8';
exec(sprintf(VIM_PATH . ' -c "set fileencoding=%s" -c "wq" "%s"', $encoding, $xmlFile));
// File has been re-encoded
// The real encoding should now match the declared encoding
// -> Go back to the beginning and parse the file again
}
}
使用这种方法可能会混淆1或2个字符，但它比完全失败的解析要好得多。理想情况下，第三方会正确标记他们的文件。
我的系统是Windows，所以vim参数在Linux上可能不同（不知道）。
使用simplexml_load_file解析XML。为了避免编码问题，请对数据使用utf8_encode。