采用 UTF-8 编码

Question

我需要从某些 CRM 软件获取 XML 文件。

XML 文件编码为 UTF-8，但存在一些“奇怪”字符，由于这些字符，我无法使用 simple_xml 解析该文件。

例如：

<ROW ART_LIB="CAT NxA1 2008"  />

存在“xA1”字符。它是什么？如何将其编码为“好”字符？

解析的良好结果是：

<ROW ART_LIB="CAT N° 2008"  />

因此，实际上，要解析 XML 文件，我这样做：

$fichier = utf8_encode(file_get_contents($inputfileName));
$xmlInput = simplexml_load_string($fichier);

如何修复它？

---

感谢 Jason Coco 的帮助，我已经解决了这个问题：

function mac_roman_to_iso($string)
{
    return strtr($string,
        "\x80\x81\x82\x83\x84\x85\x86\x87\x88\x89\x8a\x8b\x8c\x8d\x8e\x8f\x90\x91\x92\x93\x94\x95\x96\x97\x98\x99\x9a\x9b\x9c\x9d\x9e\x9f\xa1\xa4\xa6\xa7\xa8\xab\xac\xae\xaf\xb4\xbb\xbc\xbe\xbf\xc0\xc1\xc2\xc7\xc8\xca\xcb\xcc\xd6\xd8\xdb\xe1\xe5\xe6\xe7\xe8\xe9\xea\xeb\xec\xed\xee\xef\xf1\xf2\xf3\xf4\xf8\xfc\xd2\xd3\xd4\xd5Ð",
        "\xc4\xc5\xc7\xc9\xd1\xd6\xdc\xe1\xe0\xe2\xe4\xe3\xe5\xe7\xe9\xe8\xea\xeb\xed\xec\xee\xef\xf1\xf3\xf2\xf4\xf6\xf5\xfa\xf9\xfb\xfc\xb0\xa7\xb6\xdf\xae\xb4\xa8\xc6\xd8\xa5\xaa\xba\xe6\xf8\xbf\xa1\xac\xab\xbb\xa0\xc0\xc3\xf7\xff\xa4\xb7\xc2\xca\xc1\xcb\xc8\xcd\xce\xcf\xcc\xd3\xd4\xd2\xda\xdb\xd9\xaf\xb8\x22\x22\x27\x27-");
}

$fichier = mac_roman_to_iso(file_get_contents($fichier));
$xmlInput = simplexml_load_string(utf8_encode($fichier));

然后，使用 iconv() 将值从 ISO-8859-1 编码为 UTF-8。

Answer 1

问题不在于 UTF-8。问题是您的 XML 文件不是 UTF-8 编码的，而是 MacRoman 编码的。将其视为 MacRoman 编码文件，它应该可以正常工作。

Answer 2

理想情况下，我认为您永远不必使用 utf8_encode() 或 utf8_decode()。

您必须在应用程序的所有级别声明相同的编码。

您检查过 CRM、数据库、php 文件、浏览器的默认编码吗？