PHP htmlentities 并以 xml 格式保存数据

Posted 2023-05-07

【中文标题】PHP htmlentities 并以 xml 格式保存数据

【英文标题】：PHP htmlentities and saving the data in xml format

【发布时间】：2012-09-08 12:03:51

【问题描述】：

我正在尝试使用以下 php 脚本将一些数据保存到 xml 文件中：

<?php

$string = '<a href="google.com/maps">Go to google maps</a> and some special characters ë è & ä etc.';

$string = htmlentities($string, ENT_QUOTES, 'UTF-8');

$doc = new DOMDocument('1.0', 'UTF-8');
$doc->preserveWhiteSpace = false;
$doc->formatOutput = true;

$root = $doc->createElement('top');
$root = $doc->appendChild($root);

$title = $doc->createElement('title');
$title = $root->appendChild($title);

$id = $doc->createAttribute('id');
$id->value = '1';
$text = $title->appendChild($id);

$text = $doc->createTextNode($string);
$text = $title->appendChild($text);

$doc->save('data.xml');

echo 'data saved!';

?>

我正在使用 htmlentities 将所有字符串转换为 html 格式，如果我忽略它，特殊字符将不会被转换为 html 格式。这是输出：

<?xml version="1.0" encoding="UTF-8"?>
<top>
  <title id="1">&amp;lt;a href=&amp;quot;google.com/maps&amp;quot;&amp;gt;Go to google maps&amp;lt;/a&amp;gt; and some special characters &amp;euml; &amp;egrave; &amp;amp; &amp;auml; etc.</title>
</top>

html标签的&符号得到一个双html代码：<和一个&符号变成：&

这是正常行为吗？或者我怎样才能防止这种情况发生？看起来像双重编码。

【参考方案1】：

尝试删除该行：

$string = htmlentities($string, ENT_QUOTES, 'UTF-8');

因为传递给 createTextNode() 的文本无论如何都被转义了。

更新： 如果要转义 utf-8 字符。您可以离开该行并尝试直接在 createElement() 中添加 $string。

例如：

$title = $doc->createElement('title', $string);
$title = $root->appendChild($title);

在 PHP documentation 中，它表示 $string 不会被转义。我没试过，但应该可以。

【讨论】：

当我删除该行时，特殊字符不会转换为 HTML 代码。就像 ë 必须变成 ë如果我不写那行，你知道该怎么做吗？

感谢您的回复！你的权利，如果我直接添加它，它不会转义字符串。但是现在我有一个 XML Parsing Error: undefined entity 因为它无法保存 ë在字符串中。

我刚刚在我的服务器上使用这个code 进行了测试，它给了我这个result。显然它有效，只有引号不会被转义。

当我从服务器下载文件并打开它时它可以工作，但是当我在谷歌浏览器中加载它时出现错误：第 3 行第 107 列的错误：未定义实体'euml'。

感谢博扬的所有帮助！除了谷歌浏览器（可能还有其他浏览器），它现在可以工作了。这对我的项目来说已经足够了。

【参考方案2】：

是htmlentities 将& 变成& 处理 xml 数据时，您不应使用 htmlentities，因为 DOMDocument 将处理 & 而不是 &。

从 php 5.3 开始，默认编码为 UTF-8，因此无需转换为 UTF-8。

【讨论】：

感谢 DOMDocument 的解释！

【参考方案3】：

这一行：

$string = htmlentities($string, ENT_QUOTES, 'UTF-8');

... 将字符串编码为 HTML。

这一行：

$text = $doc->createTextNode($string);

... 将您的 HTML 字符串编码为 XML。

这为您提供了 HTML 字符串的 XML 表示。解析 XML 后，您将返回 HTML。

我怎样才能防止这种情况发生？

如果您的目标是在 XML 文档中存储一些文本。删除将其编码为 HTML 的行。

看起来像双重编码。

差不多。它被编码两次，它只是对两次传递中的每一次使用不同（尽管非常相似）的编码方法。