php output xml создает ошибку синтаксического анализа «’»

Question

Есть ли какая-либо функция, которую я могу использовать для синтаксического анализа любой строки, чтобы убедиться, что она не вызовет проблемы с анализом xml? У меня есть php-скрипт, выводящий XML-файл с содержимым, полученным из форм.

Дело в том, что, помимо обычных проверок строк из php-формы, часть текста пользователя вызывает ошибки синтаксического анализа xml. Я столкнулся с этим «’» в частности. Это ошибка, которую я получаю Entity 'rsquo' not defined

Есть ли у кого-нибудь опыт в кодировании текста для вывода xml?

Спасибо!

---

Некоторые уточнения: Я вывода контента из форм в XML-файл, который затем анализируется с помощью JavaScript.

обрабатывает все форму входа с: htmlentities(trim($_POST['content']), ENT_QUOTES, 'UTF-8');

Когда я хочу вывести это содержимое в файл XML, как я должен закодировать его так, чтобы он не подбросит ошибки XML разбора?

До сих пор следующие 2 решения работают:

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

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

ли вышеуказанные 2 решения безопасны? Что лучше?

Спасибо, извините за недопущение этой информации раньше.

Answer 1

Вы принимаете это неправильно - не ищите парсер, который не дает вам ошибок. Вместо этого попробуйте иметь хорошо сформированный xml.

Как вы получили ’? Если он буквально набрал его, вы неправильно обработаете вход - например, вы должны избегать & по номеру &. Если именно вы помещаете объект (возможно, вместо некоторого апострофа), либо определяете его в DTD (<!ENTITY rsquo "&x2019;">), либо записываете его с помощью числовой нотации (’), поскольку почти каждая из названных объектов является частью HTML. XML определяет только несколько базовых, как указал Гумбо.

EDIT на основе дополнения к вопросу:

• В # 1, вы убегаете содержание в пути, что если пользователь вводит в ]]> <°)))><, у вас есть проблемы.
• В # 2, вы выполняете кодирование и декодирование, которые приводят к исходному значению $ content. декодирование не должно быть необходимым (если вы не ожидаете, что пользователи опубликуют такие значения, как &, которые должны интерпретироваться как &).

Если вы используете htmlspecialchars() с ENT_QUOTES, это должно быть нормально, но см. how Drupal does it.

Answer 2

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

Answer 3

Закрепите значение в тегах CDATA.

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

От w3schools site:

Символы, такие как "<" и "&" являются незаконными в элементах XML.

«<» будет генерировать ошибку, поскольку анализатор интерпретирует ее как начало нового элемента.

«&» будет генерировать ошибку, поскольку анализатор интерпретирует ее как начало символьной сущности.

Некоторые тексты, такие как код JavaScript, содержат много символов «<» или «&». Чтобы избежать ошибок, код сценария может быть определен как CDATA.

Все, что находится внутри секции CDATA, игнорируется парсером.

Answer 4

Проблема заключается в том, что ваша функция htmlentities делает то, что она должна - генерирует объекты HTML из символов. Затем вы вставляете их в XML-документ, который не имеет определенных объектов HTML (такие как ’ являются специфичными для HTML).

Самый простой способ справиться с этим - сохранить исходный исходный код (то есть не анализировать с htmlentities), а затем сгенерировать свой XML с помощью PHP-функций XML.

Это гарантирует, что весь текст будет правильно закодирован, а ваш XML правильно сформирован.

Пример:

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

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

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

$doc->appendChild($element); 

Answer 5

Использование htmlspecialchars() будет решить вашу проблему. См. Сообщение ниже.

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

Answer 6

У меня была аналогичная проблема, что данные мне нужно, чтобы добавить к XML уже возвращается мой код, как htmlentities() (не в базе данных, как это).

я использовал:

$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); 

или, если это не было уже в htmlentities() только ниже, должны работать

$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); 

в основном с помощью htmlspecialchars с ENT_XML1 должны получить пользовательские вмененные данные в XML безопасной (и работает отлично для меня):

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

Answer 7

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

Должно быть сделано.