PHP：simplexml_load_file 从使用 UTF-8 编码的 XML 文件中获取奇怪的字符

Posted 2023-02-24

【中文标题】PHP：simplexml_load_file 从使用 UTF-8 编码的 XML 文件中获取奇怪的字符

【英文标题】：PHP: simplexml_load_file gets strange characters from an XML file with UTF-8 encoding

【发布时间】：2020-01-05 04:42:53

【问题描述】：

simplexml_load_file() 函数不能很好地解析重音字符。该文件是 UTF-8 编码的，xml 标签的 encoding="UTF-8"。

我正在使用 simplexml_load_file() 函数导入以 UTF-8 编码的 XML 文件。这个文件有一些重音字符，当我执行 print_r() 或 var_dump() 时，重音字符会转换为奇怪的字符。

XML 文件的第一行是

<?xml version="1.0" encoding="UTF-8"?>

在代码中我运行的是基本的

$xFile = simplexml_load_file($xmlFile)

我正在遍历 SimpleXML 对象并获取带有重音字符的单词

$text = (string)$p->i

现在

var_dump($text);

显示Geïrriteerd 而不是Geïrriteerd

我试过 get_file_contents() 然后 simplexml_load_string() 和 我也尝试使用 DOMDocument 加载 XML 文件，但显示的是相同的“野生”字符。

还有什么想法可以做吗？

注意：我正在开发 php5.4，这是 PROD 版本，我无法更改。

【问题讨论】：

“当我执行 print_r() 或 var_dump()”时 ????假设您正在浏览器中查看此内容，您是否确定正确设置了页面字符集？见UTF-8 all the way through

var_dump() 它在控制台 (ssh) 中，因为解析是在 cronjob 中完成的。

好的，那么你的控制台中的编码是什么？

控制台编码确实是问题之一，之后我发现json_encode() 正在将UTF-8 字符转换为十六进制。我通过将JSON_UNESCAPED_UNICODE 作为第二个参数传递给json_encode() 来解决这个问题。修复来源：***.com/questions/16498286/…

【参考方案1】：

问题是 Windows 控制台默认编码。 我通过运行chcp 65001 将编码更改为UTF-8。

@Phil 的评论很有帮助。