在使用 DOMDocument 函数处理之前修复 PHP 中格式错误的 XML

我需要将来自外部源的 XML 文档加载到 PHP 中。 XML 没有声明它的编码并且包含非法字符，例如&。如果我尝试直接在浏览器中加载 XML 文档，我会收到类似“在文本内容中发现无效字符”的错误，并且在 PHP 中加载文件时也会收到很多警告，例如：xmlParseEntityRef: no name in Entity and Input is not proper UTF-8, indicate encoding ! Bytes: 0x9C 0x31 0x21 0x3C.

很明显，XML 的格式不正确，并且包含应转换为 XML 实体的非法字符。

这是因为 XML 提要由许多其他用户提供的数据组成，并且显然在我获取它之前没有对其进行验证或重新格式化。

我已经与 XML 提要的供应商交谈过，他们说他们正在尝试让内容提供商对其进行整理，但这似乎很愚蠢，因为他们应该首先验证输入。

我基本上需要修复 XML，纠正任何编码错误并将任何非法字符转换为 XML 实体，以便在使用 PHP 的 DOMDocument 函数时出现 XML 加载问题。

我的代码目前如下所示：

  $feedURL = '3704017_14022010_050004.xml';
  $dom = new DOMDocument();
  $dom->load($feedURL);

显示编码问题的示例 XML 文件（点击下载）：feed.xml

包含尚未转换为 XML 实体的字符的 XML 示例：

<?xml version="1.0"?>
<feed>
<RECORD>
<ID>117387</ID>
<ADVERTISERNAME>Test</ADVERTISERNAME>
<AID>10544740</AID>
<NAME>This & This</NAME>
<DESCRIPTION>For one day only this is > than this.</DESCRIPTION>
</RECORD>
</feed>

要解决此问题，请设置DomDocument 恢复属性 to TRUE加载 XML 文档之前

$dom->recover = TRUE;

试试这个代码：

$feedURL = '3704017_14022010_050004.xml';
$dom = new DOMDocument();
$dom->recover = TRUE;
$dom->load($feedURL);