如何正确解码 XML 文件中的特殊字符 - How do you properly decode special characters in XML files?

How do you properly decode special characters in XML files?

在我正在解析的一些XML文件（通常是RSS）中，我遇到了包含Today’s Newest等字符的文本，这些字符在我从节点中提取文本后变得Todayâ€™s Newest。这告诉我我处理解码过程不正确。

我可以简单地修补我的脚本来修复这个错误，但是如果还有许多其他字符变得乱码怎么办？在将 XML 文件转换为 UTF-8 脚本时，在不破坏编码的情况下消化 XML 文件的正确方法是什么？

以下是我尝试过的一些似乎不太奏效的事情：

$xml = file_get_contents($file);
// One: still contains â€™
//$xml = @iconv('UTF-8', 'UTF-8//IGNORE', $xml);
// Two: LibXMLError Entity 'rsquo' not defined
//$xml = htmlentities($xml, null, 'UTF-8');
//$xml = htmlspecialchars_decode($xml, ENT_QUOTES);
// Three: still contains â€™
//$xml = mb_convert_encoding($xml, "UTF-8", "UTF-8");
$xml = simplexml_load_string($xml, null, LIBXML_NOCDATA | LIBXML_NOENT);

检查您如何输出内容。如果输出目标不支持 UTF-8，也可能发生这种情况。

我假设您输出到浏览器，因此请检查浏览器编码并尝试将其显式设置为 UTF-8，因为您可能会从 XML 获得正确的文本，但它只是显示错误。

如果上述方法没有帮助，也可以尝试使用DOMDocument加载XML。

试一试：

$xml = simplexml_load_string($xml, null, LIBXML_NOCDATA | LIBXML_NOENT); $xml->addAttribute('encoding', 'UTF-8');