php 输出 xml 产生解析错误“'”

Posted 2023-02-24

【中文标题】php 输出 xml 产生解析错误“\'”

【英文标题】：php output xml produces parse error "’"php 输出 xml 产生解析错误“'”

【发布时间】：2011-03-09 17:22:57

【问题描述】：

是否有任何函数可以用来解析任何字符串以确保它不会导致 xml 解析问题？我有一个 php 脚本输出一个 xml 文件，其中包含从表单中获取的内容。

问题是，除了来自 php 表单的常见字符串检查外，一些用户文本会导致 xml 解析错误。我特别面对这个“’”。这是我收到的错误Entity 'rsquo' not defined

有没有人在为 xml 输出编码文本方面有经验？

谢谢！

---

一些澄清： 我正在从 xml 文件中的表单输出内容，随后由 javascript 解析。

我处理所有表单输入：htmlentities(trim($_POST['content']), ENT_QUOTES, 'UTF-8');

当我想将此内容输出到 xml 文件中时，我应该如何对其进行编码以使其不会引发 xml 解析错误？

到目前为止，以下 2 个解决方案有效：

1)echo '<content><![CDATA['.$content.']]></content>';

2)echo '<content>'.htmlspecialchars(html_entity_decode($content, ENT_QUOTES, 'UTF-8'),ENT_QUOTES, 'UTF-8').'</content>'."\n";

以上两种解决方案安全吗？哪个更好？

谢谢，很抱歉没有早点提供此信息。

【问题讨论】：

我会使用 XML 解析器来查看 XML 解析器是否不会阻塞输入。

这里的问题是 XML 只知道很少的实体可以实际指定字符引用。 （见w3.org/TR/xml/#sec-predefined-ent）

【参考方案1】：

html_entity_decode($string, ENT_QUOTES, 'UTF-8')

【讨论】：

解决了’ 错误但现在出现& 错误？如果我将 & 更改为 & 它修复了错误，但我怎样才能正确解码所有内容？

是的。我正在输出 utf-8。我的 xml 输出以 echo '<?xml version="1.0" encoding="UTF-8" ?>'."\n"; 开头，谢谢

【参考方案2】：

你把它弄错了——不要寻找不会给你错误的解析器。而是尝试使用格式良好的 xml。

您是如何从用户那里获得’ 的？如果他按字面意思输入，则说明您没有正确处理输入 - 例如，您应该将 & 转义为 &。如果是你把实体放在那里（也许代替一些撇号），要么在 DTD 中定义它（<!ENTITY rsquo "&x2019;">），要么使用数字符号（’）编写它，因为几乎每个命名实体都是HTML 的一部分。正如 Gumbo 指出的那样，XML 只定义了一些基本的。

根据对问题的补充进行编辑：

在 #1 中，如果用户键入 ]]> <°)))><，则您会转义内容。 在 #2 中，您正在进行编码和解码，这会导致 $content 的原始值。解码应该不是必需的（如果您不希望用户发布类似的值& 应该被解释为 &)。

如果您将 htmlspecialchars() 与 ENT_QUOTES 一起使用，应该没问题，但请参阅 how Drupal does it。

【讨论】：

感谢 Krab。我对用户输入所做的就是让他们通过这个：htmlentities($_POST['content'], ENT_QUOTES, 'UTF-8');。 sleepynate 建议使用 html_entity_decode 修复了’，因为它将它转换回来..但后来我遇到了& 的问题。我该怎么办？这 htmlspecialchars(html_entity_decode($content, ENT_QUOTES, 'UTF-8'),ENT_QUOTES, 'UTF-8') 是否足以确保将来的用户输入不会导致我的 xml 文件出现问题？我需要 xml 文件没有错误，因为 javascript 函数正在解析它。

有什么理由必须使用 htmlentities() 而不是 htmlspecialchars()？

实际上没有特别的原因.. htmlspecialchars() 是否足以处理所有用户输入？那么什么时候会使用 htmlentities() 呢？

所以实际上，如果我已经在 utf-8 中处理、保存和输出输入，我就不需要 htmlentities，而 htmlspecialchars 就足够了吗？谢谢！

也许您可以使用 htmlentities() 来生成包含 unicode 字符的文档，同时保留纯 ASCII 编码。但这仅在您还将字符编码为数字实体时才成立。我不知道。

【参考方案3】：

将值括在 CDATA 标记中。

<message><![CDATA[&rsquo;]]></message>

来自w3schools site：

像“

"

"&" 将产生错误，因为解析器将其解释为字符实体的开始。

有些文本，比如 JavaScript 代码，包含很多“

解析器会忽略 CDATA 部分中的所有内容。

【讨论】：

这是一个很好的解决方案，尽管我对未转义的 CDATA 在代码中的其他地方使用（例如，放入数据库）感到不寒而栗，尽管这与手头的问题。

这是关于 RSS 的正确答案，除非您使用 XHTML DTD。在CDATASection 中使用content:encoded 输出提要时特别有用。

【参考方案4】：

问题是你的htmlentities 函数正在做它应该做的——从字符生成 HTML 实体。然后，您将这些插入到没有定义 HTML 实体的 XML 文档中（’ 之类的东西是特定于 HTML 的）。

处理此问题的最简单方法是保持所有输入原始（即不要使用 htmlentities 解析），然后使用 PHP 的 XML 函数生成您的 XML。

这将确保所有文本都正确编码，并且您的 XML 格式正确。

例子：

$user_input = "...<>&'";

$doc = new DOMDocument('1.0','utf-8');

$element = $doc->createElement("content");
$element->appendChild($doc->createTextNode($user_input));

$doc->appendChild($element);

【讨论】：

感谢波热！目前我只是回显到一个 xml 文件中。我将使用 PHP 的 XML 函数正确生成一个 xml 文档。 :)

【参考方案5】：

使用 htmlspecialchars() 将解决您的问题。请参阅下面的帖子。

PHP - Is htmlentities() sufficient for creating xml-safe values?

【参考方案6】：

我有一个类似的问题，我需要添加到 XML 中的数据已经由我的代码作为 htmlentities() 返回（不在这样的数据库中）。

我用过：

$doc = new DOMDocument('1.0','utf-8');    
$element = $doc->createElement("content");    
$element->appendChild($doc->createElement('string', htmlspecialchars(html_entity_decode($string, ENT_QUOTES, 'UTF-8'), ENT_XML1, 'UTF-8')));
$doc->appendChild($element);

或者如果它不在 htmlentities() 中 只是下面应该工作

$doc = new DOMDocument('1.0','utf-8');

$element = $doc->createElement("content");       
$element->appendChild($doc->createElement('string', htmlspecialchars($string, ENT_XML1, 'UTF-8')));
$doc->appendChild($element);

基本上使用带有 ENT_XML1 的 htmlspecialchars 应该将用户估算的数据转换为 XML 安全数据（并且对我来说很好）：

htmlspecialchars($string, ENT_XML1, 'UTF-8');

【参考方案7】：

htmlspecialchars($trim($_POST['content'], ENT_XML1, 'UTF-8');

应该这样做。

【参考方案8】：

这对我有用。遇到同样问题的人可以试试这个。

htmlentities($string, ENT_XML1)

带特殊字符的转换。

htmlspecialchars(htmlentities($string, ENT_XML1))