XMLReaderエンコーディングエラー

Question

巨大なXMLファイルを解析しようとしているPHPスクリプトがあります。これを行うために私はXMLReaderライブラリを使用しています。解析中に、このエンコードエラーが発生しました：

入力が適切ではありません。エンコードが必要です。バイト数：0xA0 0x32 0x36 0x30

悪い文字のレコードをスキップする方法であるかどうかを知りたいと思います。

ありがとうございます！

Answer 1

まず、XMLファイルが実際にUTF-8でエンコードされていることを確認してください。 2番目のパラメータとして符号化を指定しない場合はXMLReader::open()になります。

エンコーディングエラーがUTF-8ドキュメントの実際の不正なバイトシーケンスによるもので、PHP> 5.2.0を使用している場合、LIBXML_NOERRORおよび/または（エラーレベルに応じて）LIBXML_NOWARNINGをビットマスクとして渡すことができますXMLReader::open()の三番目のパラメータに：

$xml = new XMLReader(); 
$xml->open('myxml.xml', null, LIBXML_NOERROR | LIBXML_NOWARNING); 

your're>はPHPを使用している場合は、libXMLエラー処理を微調整することができます5.1.0。前の2回避策は、実際に彼らが唯一のエラー出力を抑制した場合にエラーが発生した場合には読み続けたりするXMLReaderを許可する場合

// enable user error handling 
libxml_use_internal_errors(true); 
/* ... do your XML processing ... */ 
$errors = libxml_get_errors(); 
foreach ($errors as $error) { 
    // handle errors here 
} 
libxml_clear_errors(); 

は、私が実際に知りません。しかし、それは試してみる価値がある。

---

コメントへの応答：

XML_PARSE_RECOVER

libXML（1）を定義するが、EXT /のlibxmlはPHP定数としてこの定数を公開しません。おそらく整数値1を$optionsパラメータに渡すことは可能です。あなたのXMLファイルは、本当にシンプルな構造を持っている場合

$xml = new XMLReader(); 
$xml->open('myxml.xml', null, LIBXML_NOERROR | LIBXML_NOWARNING | 1); 

Answer 2

、あなたは「プレフィルター」それは、RID（またはより良い、正しい）間違ったレコードを取得することがあります。

レコードでレコードを読み取り、フィルタ処理されたxmlファイルを書き出し、フィルタ処理されたファイルを処理します。

Answer 3

私はXMLReaderがあなたに何を伝えているか聞きました。多くのエンコーディングはASCIIのスーパーセットなので、UTF-8とISO-8859-1は最初の128コードポイントのASCIIと同じです。あなたのファイルは実際にはISO-8859-1としてエンコードされているかもしれませんが、ほとんどの文字はその文字セットの下位のASCII半分からのものです。その場合、XML、UTF-8のデフォルトエンコーディングを使用するためのエラーになります。

ISO-8859-1では、バイトシーケンス0xA0 0x32 0x36 0x30は完全に有効です。改行しないスペースに続けて '2'、 '6'、 '0'を付けます。

Answer 4

 
$xml = file_get_contents('myxml.xml'); 
$xml = preg_replace('/[\x0-\x1f\x7f-\x9f]/u', ' ', $xml); 
//parse $xml below