PHP、MySQL 和 XML = 乱码 HTML 输出

Posted 2023-02-16

【中文标题】PHP、MySQL 和 XML = 乱码 HTML 输出

【英文标题】：PHP, MySQL and XML = garbled HTML output

【发布时间】：2011-01-13 17:46:23

【问题描述】：

我在 mysql 中有一个文本类型的字段，使用以下排序规则：utf8_general_ci。

使用 DOMDocument 构建的变量填充此 XML 字段：

function ed_audit_node($dom, $field, $new, $old)

    //create audit_detail node
    $ad = $dom->createElement('audit_detail');

    $fn = $dom->createElement('fieldname');
    $fn->appendChild($dom->createTextNode($field));
    $ad->appendChild($fn);

    $ov = $dom->createElement('old_value');
    $ov->appendChild($dom->createTextNode($old));
    $ad->appendChild($ov);

    $nv = $dom->createElement('new_value');
    $nv->appendChild($dom->createTextNode($new));
    $ad->appendChild($nv);

    //append to document
    return $ad;

这是我保存到数据库的方法（ $xml 来自 $dom->saveXML() ）：

function ed_audit_insert($ed, $xml)
    global $visitor;

    $sql = <<<EOF
    INSERT INTO ed.audit
    (employee_id, audit_date, audit_action, audit_data, user_id) 
    VALUES (
        $ed[emp][employee_id], 
        now(), 
        '$ed[audit_action]', 
        '$xml', 
        $visitor[user_id]
    );      
EOF;
    $req = mysql_query($sql,$ed['db']) or die(db_query_error($sql,mysql_error(),__FUNCTION__));
//snip  

查看一个较旧的、并行的、稍微相关的线程，了解我是如何创建这个 XML 的： Another php XML parsing error: "Input is not proper UTF-8, indicate encoding!"

什么有效： - 查询数据库，选择字段并使用 jQuery (.ajax()) 输出并填充文本区域。 Firebug 和 textarea 与数据库中的内容相匹配（通过 Toad 确认）。

什么不起作用： - 将数据库中的文本输出到 html 页面。此 HTML 页面的内容类型为 ISO-8859-1，我无法更改。

这是将其输出到屏幕的代码：

$xmlData = simplexml_load_string($d['audit_data']);

foreach ($xmlData->audit_detail as $a)
    echo "<p> straight from db = ".$a->new_value."</p>";
    echo "<p> utf8_decode() = ".utf8_decode($a->new_value)."</p>";
 

我还为 Firefox 使用了字符集更改器扩展：尝试了 ISO-8859-1、UTF-8 和 1252，但均未成功。

如果是 UTF-8，我不应该看到里面有问号的菱形吗（因为它的 content-type = ISO-8859-1）？如果不是 UTF-8，那是什么？

编辑#1

这是我进行的其他测试的快照：

$xmlData = simplexml_load_string($d['audit_data']);
foreach ($xmlData->audit_detail as $a)
    echo "<p>encoding is, straight from db, using mb_detect_encoding: ".mb_detect_encoding($a->new_value)."</p>";
    echo "<p>encoding is, with utf8_decode, using mb_detect_encoding: ".mb_detect_encoding(utf8_decode($a->new_value))."</p>";
    echo "<hr/>";
    echo "<p> straight from db = <pre>".$a->new_value."</pre></p>";
    echo "<p> utf8_decode() = <pre>".utf8_decode($a->new_value)."</pre></p>";
    echo "<hr/>";
    $iso88591_2 = iconv('UTF-8', 'ISO-8859-1', $a->new_value);
    $iso88591_3 = mb_convert_encoding($a->new_value, 'ISO-8859-1', 'UTF-8');
    echo "<p> iconv() = ".$iso88591_2."</p>";
    echo "<p> mb_convert_encoding() = ".$iso88591_3."</p>";

编辑#2

我添加了 FF 专有标签 xmp。

代码：

$xmlData = simplexml_load_string($d['audit_data']);

foreach ($xmlData->audit_detail as $a)
    echo "<p>encoding is, straight from db, using mb_detect_encoding: ".mb_detect_encoding($a->new_value)."</p>";
    echo "<p>encoding is, with utf8_decode, using mb_detect_encoding: ".mb_detect_encoding(utf8_decode($a->new_value))."</p>";
    echo "<hr/>";
    echo "<p> straight from db = <pre>".$a->new_value."</pre></p>";
    echo "<p> utf8_decode() = <pre>".utf8_decode($a->new_value)."</pre></p>";
    echo "<hr/>";
    $iso88591_2 = iconv('UTF-8', 'ISO-8859-1', $a->new_value);
    $iso88591_3 = mb_convert_encoding($a->new_value, 'ISO-8859-1', 'UTF-8');
    echo "<p> iconv() = ".$iso88591_2."</p>";
    echo "<p> mb_convert_encoding() = ".$iso88591_3."</p>";
    echo "<hr/>";
    echo "<p>straight from db, using &lt;xmp&gt;  = <xmp>".$a->new_value."</xmp></p>";
    echo "<p>utf8_decode(), using &lt;xmp&gt; = <xmp>".utf8_decode($a->new_value)."</xmp></p>";

以下是页面中的一些元标记：

<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" />
<meta name="dc.language" scheme="ISO639-2/T" content="eng" />

IMO，最后一个元标记没有轴承。

编辑#3

源代码：

<p>encoding is, straight from db, using mb_detect_encoding: UTF-8</p><p>encoding is, with utf8_decode, using mb_detect_encoding: ASCII</p><hr/><p> straight from db = <pre>Ro马eç ³é ¥n franê¡©s</pre></p><p> utf8_decode() = <pre>Ro?e??n fran?s</pre></p><hr/><p> iconv() = Ro</p><p> mb_convert_encoding() = Ro?e??n fran?s</p><hr/><p>straight from db, using &lt;xmp&gt;  = <xmp>Ro马eç ³é ¥n franê¡©s</xmp></p><p>utf8_decode(), using &lt;xmp&gt; = <xmp>Ro?e??n fran?s</xmp></p>

编辑#4

这是进入数据库的 SQL 语句：

INSERT INTO ed.audit
    (employee_id, audit_date, audit_action, audit_data, user_id) 
    VALUES (
        75, 
        now(), 
        'u', 
        '<?xml version="1.0"?>
<audit><audit_detail><fieldname>role_fra</fieldname><old_value>aRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s</old_value><new_value>bRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s</new_value></audit_detail></audit>
', 
        333
    );

！请注意，此 XML 中的文本不一定与上面提供的屏幕截图相匹配。

编辑#5

这是我的新函数，它将 CDATA 标记包装在 old_value 和 new_value 节点的值周围：

function ed_audit_node($dom, $field, $new, $old)

    //create audit_detail node
    $ad = $dom->createElement('audit_detail');

    $fn = $dom->createElement('fieldname');
    $fn->appendChild($dom->createTextNode($field));
    $ad->appendChild($fn);

    $ov = $dom->createElement('old_value');

    $ov->appendChild($dom->createCDATASection($old));
    $ad->appendChild($ov);

    $nv = $dom->createElement('new_value');
    $nv->appendChild($dom->createCDATASection($new));
    $ad->appendChild($nv);

    //append to document
    return $ad;

我还在 XML 文档中添加了编码：

$dom = new DomDocument('1.0', 'UTF-8');

这是我的新 simpleXML 调用：

$xmlData = simplexml_load_string($d['audit_data'], "SimpleXMLElement", LIBXML_NOENT | LIBXML_NOCDATA);

我也在 Toad 中看到了 CDATA 标签。但是，我仍然收到错误消息：

Warning: simplexml_load_string() [function.simplexml-load-string]: Entity: line 2: parser error : Input is not proper UTF-8, indicate encoding ! Bytes: 0xE9 0xE9 0x6C 0x65 in <snip>

编辑#6

我刚刚注意到 jQuery 调用在 CDATA 中返回了正确的重音字符。

【参考方案1】：

从技术上讲，您的字符串是 UTF8 格式的，但 HTML 编码的字符（由浏览器呈现时）不是 UTF8 格式。所以ꡩ 是一个有效的 UTF8 字符串，但是从 Web 浏览器呈现到屏幕上的字符不是有效的 UTF8。

我也会像这样将你的回声包装到屏幕上（你的例子中的最后两行）：

echo "<p>straight from db = <xmp>".$a->new_value."</xmp></p>";
echo "<p>utf8_decode() = <xmp>".utf8_decode($a->new_value)."</xmp></p>";

这将清楚地显示我在上面提出的观点。

编辑：

问题实际上是 PHP 的 simplexml_load_string() 中一个无法控制的未记录的“功能”。它会自动将所有字符从它们的 XML 实体形式海峡转换成它们的实际字符形式。避免这种情况的唯一方法是像这样使用 simplexml_load_string()：

 $data = simplexml_load_string(
      '<?xml version="1.0" encoding="utf-8"?> 
           <audit>
                <audit_detail>
                     <fieldname>role_fra</fieldname>
                     <old_value><![CDATA[aRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s]]></old_value>
                     <new_value><![CDATA[bRo&#x9A6C;e&#x7833;&#x9825;n fran&#xA869;s]]></new_value>
                </audit_detail>
           </audit>', 
      "SimpleXMLElement", 
      LIBXML_NOENT | LIBXML_NOCDATA
 );
 print "<PRE>";
 print_r($data);
 exit;

您必须将元素包装在<![CDATA[]]> 标记中，然后将 LIBXML_NOCDATA 选项传递给 xml 解析器。这将强制将 <![CDATA[]]> 标记中的内容转换为 String 类型，PHP 可以在 SimpleXMLObject 之外正确处理。

【讨论】：

可能想看这里：***.com/questions/374425/…

@Geoffrey：即使使用 pre，文本仍然与我的示例中的相同（但字体大小会发生变化）。我在 IE 和 FF 中都试过了。 @dqhendricks：谢谢，我去看看。

@tekius 您可能想尝试

@Geoffrey：我尝试了您的示例，但仍然没有得到正确的输出。我在我的 OP 中添加了屏幕截图和代码。 FF 中是否会有使用 xmp 标签“修改”我的输出的设置？

@Tekius 你在什么操作系统上？您还可以发布测试页面的 HTML 输出吗？