1

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、次のエンコード エラーが発生しました。

入力が適切な UTF-8 ではありません。エンコーディングを指定してください! バイト: 0xA0 0x32 0x36 0x30

それらが悪い文字を含む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.

ありがとう！

4

4 に答える 4

8

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。そうでない場合は、の2番目のパラメーターとしてエンコーディングを指定しますXMLReader::open()。

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形式のバイトシーケンスによるものであり、PHP> 5.2.0を使用している場合は、ビットマスクとして次の3番目のパラメータに渡すLIBXML_NOERRORか（エラーレベルに応じて）できます。LIBXML_NOWARNINGXMLReader::open()

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

PHP> 5.1.0を使用している場合は、libXMLエラー処理を微調整できます。

// 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();

前の2つの回避策で、エラーが発生した場合に実際にXMLReader読み取りを続行できるのか、それともエラー出力を抑制するだけなのかは、実際にはわかりません。しかし、試してみる価値はあります。

コメントへの返信：

libXML（1）を定義しますXML_PARSE_RECOVERが、ext/libxmlはこの定数をPHP定数として公開しません。おそらく、整数値1を$optionsパラメーターに渡すことが可能です。

$xml = new XMLReader(); 
$xml->open('myxml.xml', null, LIBXML_NOERROR | LIBXML_NOWARNING | 1);
于 2009-05-04T11:29:15.610 に答える
2

XMLReader があなたに言っていることに耳を傾けます。多くのエンコーディングは ASCII のスーパーセットであるため、(たとえば) UTF-8 と ISO-8859-1 は、最初の 128 コード ポイントで ASCII と同一です。ファイルが実際には ISO-8859-1 としてエンコードされている可能性がありますが、ほとんどすべての文字は、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 のデフォルトのエンコーディングである UTF-8 を使用することで、エラーが発生します。

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の後に '2'、'6'、'0' が続きます。

于 2009-05-04T12:11:39.533 に答える
0

XMLファイルの構造が非常に単純な場合は、XMLファイルを「事前フィルタリング」して、間違ったレコードを削除（またはさらに適切に修正）することができます。

レコードごとに読み取り、フィルター処理されたxmlファイルを書き出してから、フィルター処理されたファイルを処理します。

于 2009-05-04T11:35:12.130 に答える
0 
$xml = file_get_contents('myxml.xml');
$xml = preg_replace('/[\x0-\x1f\x7f-\x9f]/u', ' ', $xml);
// 以下の $xml を解析します
于 2009-12-08T09:08:36.770 に答える