XML中的值得注意的"坑"
XML严禁 & < ,建议 < > & ' “进行转义
XML中预定义了5个实体引用: < > & ' “
其中，'<' 和 '&' 是非法的。
'<' 会产生错误，因为解析器会把该字符解释为新元素的开始。
'&' 也会产生错误，因为解析器会把该字符解释为字符实体的开始。
其它实体虽然都是合法的,但是把它们替换为实体是个好的习惯。
CDATA区段中值的限制
CDATA区段由 '' 结束.因此,CDATA的值不能包含']]>',否则XML解析器会提前闭合CDATA,导致解析错误.而结尾的']]>'闭合也不能包含空格或者折行.
<![CDATA[ value ]]> ]]> //值包含']]>',非法
<![CDATA[ value ] ] > //结尾的']]>'包含空格,非法
<![CDATA[ value ]]> //合法
SimpleXML类生成带有CDATA区段的值
SimpleXML类如其名字,因为其简单那易用性,得到一部分程序员的青睐,但是其本身却不支持生成带有CDATA区段的值.是不是为了生成CDATA区段的值就要放弃SimpleXML类了呢?
谷歌到一种解决方案
class SimpleXMLExtended extends SimpleXMLElement
{
public function addCData($cdata_text)
{
$node = dom_import_simplexml($this);
$no = $node->ownerDocument;
$node->appendChild($no->createCDATASection($cdata_text));
}
}
$xmlFile = 'config.xml';
// instead of $xml = new SimpleXMLElement('<sites/>');
$xml = new SimpleXMLExtended('<sites/>');
$site = $xml->addChild('site');
// instead of $site->addChild('site', 'Site Title');
$site->title = NULL; // VERY IMPORTANT! We need a node where to append
$site->title->addCData('Site Title');
$site->title->addAttribute('lang', 'en');
$xml->asXML($xmlFile);
此类继承自SimpleXMLElement类,通过添加addCData方法,利用DOMDocument和SimpleXML的互通性,把SimpleXML对象转换成DOM元素对象,利用DOM元素对象节点可以创建CDATA区段值的特点完成操作.
此类虽然解决了SimpleXML不能创建CDATA区段值的缺点,但是代码不够简洁--每次都要在设置值之前都要先将值设置为NULL,而此方法又是必须的,否则会报错.
因此我对此类进行了再次封装,调用起来更加简洁,代码如下:
class SimpleXMLExtended extends SimpleXMLElement
{
public function addCData($data)
{
$node = dom_import_simplexml($this);
$no = $node->ownerDocument;
$node->appendChild($no->createCDATASection($data));
}
public function addNode($key,$value=''){
if($value === '') $value = ' ';
$this->$key = NULL;
$this->$key->addCData($value);
}
}
//调用更加简洁
$xml = new SimpleXMLElement('<?xml version="1.0"?><DOCUMENT></DOCUMENT>');
$xml->addChild('item');//向XML节点添加一个子节点item
$item->addNode('key','value');//向item节点添加一个键为"key",CDATA区段值为"value"
UTF-8编码下提示非UTF-8字符
XML中编码全是UTF-8,怎么会有非UTF-8字符呢?通过浏览器查看源码,也没发现非法字符.
问大神同事,得到了'没遇到过'的答案.
然后就想着把报错的数据字段从数据库里复制出来,看一下结果.从库中复制到了sublime中,然后看到如下图的'FS'字符
好端端的内容,为啥会产生一个'FS'呢?然后谷歌,终于找到了答案.原来该特殊字符叫'控制字符',想要了解控制字符的同学可以看关于控制字符的定义.
当时解决方法简直简单粗暴,手动删掉,然后回存到数据库:
后来领导也遇到相似的问题,我告诉他是有可能是控制字符造成的,然后他给了我一个函数,可以过滤掉控制字符.函数如下:
function strip_control_characters($string){
return preg_replace('/[\x00-\x1F\x7F-\x9F]/u', '', $string);
}
**PS: 此函数需要编码为UTF-8才可以过滤掉. **
XML读取的字段中包含'-',要用'{}'把字段包裹
$arr = array('a-b-c'=>'abc');
$obj = (object)($arr);
//如何获取'a-b-c'字段的值?
echo $obj->a-b-c;//报错
echo $obj->'a-b-c';//报错
echo $obj->{'a-b-c'};//正常
** 此注意点可以总结为PHP在获取对象的key中包含'-',要用'{}'包住 **
SimpleXML的节点值要强转成字符型后再比较
$string = <<<XML
<?xml version='1.0'?>
<document>
<title>Dear Jane</title>
<from>Joe</from>
<to>Jane</to>
<body>
Dear Jane:
I love U,can you be my girlfriend?
yours Joe
</body>
</document>
XML;
$email = simplexml_load_string($string);
//Joe发送邮件,但是忘记收件人是否是女神Jane
if($email->to == 'Jane'){
echo 'Good Job';
}else{
echo 'I am in troblem!';
}
得到的答案是'I am in troblem!'
原来'$email->to'得到的值的类型为SimpleXMLElement对象,
非字符串,非数组.
因此,一定要强制转换成'string'类型后在比较.
XML调试
因为SimpleXML类和DOMDocument类都是基于libxml扩展开发的,开发过程中,可以使用libxml_use_internal_errors调试.
此函数有一个参数,默认为false,即禁用用户错误处理.true为开启用户错误处理.
libxml_use_internal_errors(true);
$sxe = simplexml_load_string("<?xml version='1.0'><broken><xml></broken>");
if ($sxe === false) {
echo "Failed loading XML\n";
foreach(libxml_get_errors() as $error) {
echo "\t", $error->message;
}
}
以上代码输出:
Failed loading XML
Blank needed here
parsing XML declaration: '?>' expected
Opening and ending tag mismatch: xml line 1 and broken
Premature end of data in tag broken line 1
通过错误处理,知道原来有两个错误:
-
声明少写一个 '?>'
-
xml标签没有闭合
