XML не очень хорошо сформирован из-за длинных символов UTF

Question

Хорошо, я надеюсь, что кто-то может помочь, потому что я не смог найти решение для этого.

В базе данных клиентов удалось импортировать или иным образом добавлять символьные данные из другого набора символов, таких как:

<E2><80><99> 

Я считаю, что это UTF-16.

XML-выход моего сценария выдает ошибки из-за этих данных (который вытягивает строки, такие как поле описания, из базы данных и создает XML-файл).

Ошибка XML Синтаксический: не хорошо сформированным Порядковый номер 20, столбец 50.

Там какой-то другой шестигранной это больше, как < 80> < 99> (просто пример, я не уверен, если это фактический характер).

Как я могу сделать мой файл XML действителен, и либо уменьшить размер набора символов или заставить его использовать UTF-32, как так:

AddType "application/xml; charset=UTF-32" xml (in .htaccess file along with filesmatch .xml) 


    <?xml version='1.0' encoding='UTF-32' ?> (placed in head of xml file) 

Answer 1

бы это ни было: UTF-8, -16 или -32 - Если вы выберете какую-либо другую кодировку с вашим выходом, вы должны - если она отличается, - сначала перекодировать ваш вход для вывода.

В вашем вопросе четко указано, что вы точно не знаете, что такое входная кодировка. Это то, что вам нужно получить прямо, потому что кодирование является метаинформацией. Вы должны знать это правильно, чтобы обрабатывать строки. Из того, что вы поделили, похоже, что вход кодируется UTF-8. Вы должны убедиться, что (How to detect malformed utf-8 string in PHP?).

Следующее, что неверное, не должно означать проблему кодирования (но может). Пока вы не разделяете источник проблемы (в идеале рядом с текстовой формой, а также with a hex-dump), нет много советов, которые могут быть даны для текущей информации, которую я бы сказал.