xml中怎样同时读取二进制和utf8字符

Question

现有一数组：Array ( [
o
Return-Path] => [Delivered-To] => [email protected] [Received] => (ncmail 17263 invoked by uid 401); 01 Feb 2012 01:39:57 -0000 [Message-ID] => <[email protected]> [Date] => Wed, 01 Feb 2012 09:39:57 +0800 [From] => [email protected] [MIME-Version] => 1.0 [Subject] => subject [To] => [email protected] [Content-Type] => multipart/mixed; boundary="------------1463804415-2084078365-1328060397=:2673" [Time] => 2012-02-01 09:39:57 [Size] => 1.12 KB [Attachs] => Array ( [attach] => Array ( [0] => Array ( [id] => 2 [name] => attach.txt [level] => 非密 ) ) ) [bodyId] => 1 ) 编译成xml： <data>
                        <^LReturn-Path>&lt;[email protected]&gt;</^LReturn-Path>
                        <Delivered-To>[email protected]</Delivered-To>
                        <Received>(ncmail  17263 invoked by uid 401); 01 Feb 2012 01:39:57 -0000</Received>
                        <Message-ID>&lt;[email protected]&gt;</Message-ID>
                        <Date>Wed, 01 Feb 2012 09:39:57 +0800</Date>
                        <From>[email protected]</From>
                        <MIME-Version>1.0</MIME-Version>
                        <Subject>subject</Subject>
                        <To>[email protected]</To>
                        <Content-Type>multipart/mixed; boundary=&quot;------------1463804415-2084078365-1328060397=:2673&quot;</Content-Type>
                        <Time>2012-02-01 09:39:57</Time>
                        <Size>1.12 KB</Size>
                        <Attachs>
                                <attach>
                                        <id>2</id>
                                        <name>attach.txt</name>
                                        <level>非密</level>
                                </attach>
                        </Attachs>
                        <bodyId>1</bodyId>
                </data>在读取xml文件并将其转换成数组时，在<^LReturn-Path>会出错，因为其中包含二进制码，我应该怎样避免它，或者可以读取它……

Answer 1

我用了一个preg_match('/^ [ [:alnum:] [:space:] [:punct:] ]+ $/x',$title)；但是无法完全过滤：
XML error: Invalid character at line 66 。正则高手来帮忙啊……

Answer 2

并未发现 <^LReturn-Path> 中包含二进制码，况且 ^LReturn-Path 做键名也不会出错
注意：在 php 的关联数组中，键名可以是任何你能想象到的值只不过 ^LReturn-Path 不符合基本 XML 标记命名的约定，所以你需要在解析时做特殊处理

Answer 3

版主终于发话了……
请问如何将xml中的 "无效字符" 用 "空格" 替换，在讲数组编译为xml前，正则该怎么写呢？

Answer 4

要凑合的话，replace掉^就行了啊
$xml=<<<XML
 <data>
<^LReturn-Path>&lt;[email protected]&gt;</^LReturn-Path>
<Delivered-To>[email protected]</Delivered-To>
........
<bodyId>1</bodyId>
</data>
XML;
$xml=&str_replace('^','',$xml);
$obj=simplexml_load_string($xml);
print_r($obj);

Answer 5

将数组中的[
o
Return-Path]编译为<^LReturn-Path>，其中的 ^L 就是“无效字符”，有时会编译为
<oReturn-Path>，其中 o 也是 无效字符，很纠结。
如果只是将非英文、非汉字字符、非正常符号挑出来，并用“ ” 替换，正则怎么写？
虽然^L看似可读，但在读取文件时，就是提示无效……

Answer 6

将xml无法识别的字符全部用空格替换，怎么做？

Answer 7

大家看看怎么将xml中的"Invalid character"过滤掉:<?xml version="1.0" encoding="utf-8"?>
<mailindex>
        <datas>
                <data>
                        <oReturn-Path>&lt;[email protected]&gt;</oReturn-Path>
                        <Delivered-To>[email protected]</Delivered-To>
                        <Received>(ncmail  17263 invoked by uid 401); 01 Feb 2012 01:39:57 -0000</Received>
                        <Message-ID>&lt;[email protected]&gt;</Message-ID>
                        <Date>Wed, 01 Feb 2012 09:39:57 +0800</Date>
                        <From>[email protected]</From>
                        <MIME-Version>1.0</MIME-Version>
                        <Subject>subject</Subject>
                        <To>[email protected]</To>
                        <Content-Type>multipart/mixed; boundary=&quot;------------1463804415-2084078365-1328060397=:2673&quot;</Content-Type>
                        <Time>2012-02-01 09:39:57</Time>
                        <Size>1.12 KB</Size>
                        <Attachs>
                                <attach>
                                        <id>2</id>
                                        <name>attach.txt</name>
                                        <level>非密</level>
                                </attach>
                        </Attachs>
                        <bodyId>1</bodyId>
                </data>
                <data>
                        <^LReturn-Path>&lt;[email protected]&gt;</^LReturn-Path>
                        <Delivered-To>[email protected]</Delivered-To>
                        <Received>by 10.180.84.98 with HTTP; Sun, 29 Jan 2012 19:05:12 -0800 (PST)</Received>
                        <DKIM-Signature>v=1; a=rsa-sha256; c=relaxed/relaxed; d=gmail.com; s=gamma; h=mime-version:in-reply-to:references:date:message-id:sub
ject:from:to :content-type; bh=6HSCkxH4EtEI801Yan/oYF7mNVUNULbL3owo3o9Z0YQ=; b=iD0DjhMG1dRC/iJKRr7FnrtXXieSfbBEZXt58MCmpyaYOBBvLjS4/s4DWHph9DxWBR OBD0Ge/u2za
ab0LoB95D7kggOMXUWOcL9iG0VgOpn2qdgbryGs2+hasVaZ8iTkNgFoXb k1JqJmLp8zu0ESJ54JwpizIv9VwkBDQGkSQik=</DKIM-Signature>
                        <MIME-Version>1.0</MIME-Version>
                        <In-Reply-To>&lt;CAExYbSWP_XvcJRhj3yMSOOr8h4dLTdbk_d8W1dMeVcmYZ=[e-mail]&gt;</In-Reply-To>
                        <References>&lt;[e-mail]&gt; &lt;CAExYbSWP_XvcJRhj3yMSOOr8h4dLTdbk_d8W1dMeV
[email protected]&gt;</References>
                        <Date>Mon, 30 Jan 2012 11:05:12 +0800</Date>
                        <Message-ID>&lt;CAExYbSVcMscurCqoydUpVHwGqv012o40jFYQ=[e-mail]&gt;</Message-ID>
                        <Subject>Fwd: test gmail</Subject>
                        <From>sean yan &lt;[email protected]&gt;</From>
                        <To>[email protected]</To>
                        <Content-Type>multipart/mixed; boundary=f46d0444eab777d31604b7b61d56</Content-Type>
                        <Time>2012-01-30 11:05:12</Time>
                        <Size>120.92 KB</Size>
                        <Attachs>
                                <attach>
                                        <id>2</id>
                                        <name>.jpg</name>
                                        <level>非密</level>
                                </attach>
                                <attach>
                                        <id>3</id>
                                        <name>.jpg</name>
                                        <level>非密</level>
                                </attach>
                                <attach>
                                        <id>4</id>
                                        <name>.jpg</name>
                                        <level>非密</level>
                                </attach>
                        </Attachs>
                        <bodyId>1.1</bodyId>
                </data>
       </datas>
</mailindex>我用了//过滤无效字符
function XmlSafeStr($s) {
return preg_replace("/[\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]/", '', $s);
}还有错误啊：XML error: XML_ERR_NAME_REQUIRED at line 50 

Answer 8

可否给个示例代码，我在解析前后都加过替换无效字符代码，但没效果，
o
 和 ^L 、o 什么的都滤不出来

Answer 9

你的 xml 是程序生成的吗？
如果是，请贴出 base64 后的结果比如 $xml = 生成xml的程序的返回值
echo base64_encode($xml);

Answer 10

xml是用php代码生成的：function dump_xml_config_sub($arr, $indent, $in_charset, $out_charset) {
global $listtags; $xmlconfig = ""; foreach ($arr as $ent => $val) {
if (is_array($val)) {
/* is it just a list of multiple values? */
if (in_array(strtolower($ent), $listtags)) {
foreach ($val as $cval) {
if (is_array($cval)) {
$xmlconfig .= str_repeat("\t", $indent);
$xmlconfig .= "<$ent>\n";
$xmlconfig .= dump_xml_config_sub($cval, $indent +1, $in_charset, $out_charset);
$xmlconfig .= str_repeat("\t", $indent);
$xmlconfig .= "</$ent>\n";
} else {
$xmlconfig .= str_repeat("\t", $indent);
if ((is_bool($cval) && ($cval == true)) || ($cval === ""))
$xmlconfig .= "<$ent/>\n";
else
if (!is_bool($cval))
$xmlconfig .= "<$ent>" . htmlspecialchars($cval) . "</$ent>\n";
// $xmlconfig .= "<$ent>" . htmlspecialchars(iconv($in_charset, $out_charset, $cval)) . "</$ent>\n";
}
}
} else {
/* it's an array */
$xmlconfig .= str_repeat("\t", $indent);
$xmlconfig .= "<$ent>\n";
$xmlconfig .= dump_xml_config_sub($val, $indent +1, $in_charset, $out_charset);
$xmlconfig .= str_repeat("\t", $indent);
$xmlconfig .= "</$ent>\n";
}
} else {
if ((is_bool($val) && ($val == true)) || ($val === "")) {
$xmlconfig .= str_repeat("\t", $indent);
$xmlconfig .= "<$ent/>\n";
} else
if (!is_bool($val)) {
$xmlconfig .= str_repeat("\t", $indent);
$xmlconfig .= "<$ent>" . htmlspecialchars($val) . "</$ent>\n";
// $xmlconfig .= "<$ent>" . htmlspecialchars(iconv($in_charset, $out_charset, $val)) . "</$ent>\n";
}
}
} return $xmlconfig;
}function dump_xml_config($arr, $rootobj, $encoding) {
// Set in/out encoding
$in_charset = $encoding;
$out_charset = $encoding; // Do not dump temporary encoding attribute
unset ($arr['encoding']); $xmlconfig = "<?xml version=\"1.0\" encoding=\"{$encoding}\"?>\n";
$xmlconfig .= "<$rootobj>\n";
$xmlconfig .= dump_xml_config_sub($arr, 1, $in_charset, $out_charset);
$xmlconfig .= "</$rootobj>\n"; return $xmlconfig;
}
function file_put_contents_safe($filename, $data, $binary = FALSE) {
$tmpfilename = sprintf("%s.%s", $filename, getmypid());
$mode = (TRUE === $binary) ? "wb" : "w"; if (!($fd = fopen($tmpfilename, $mode)))
return FALSE; if (!fwrite($fd, $data)) {
fclose($fd);
return FALSE;
} fclose($fd); if (!rename($tmpfilename, $filename)) {
unlink($tmpfilename);
return FALSE;
} return TRUE;
}
//将#1的数组填进去
$xml_info = dump_xml_config($xml_data, "mailindex", ‘utf-8');
//将xml文本写入文件
file_put_contents_safe($path, $xml_info);然后xml文件中就是#13的内容
http://topic.csdn.net/u/20120228/09/cf787cd0-5936-4a15-9661-895f362b5b16.html
用上面帖子中#2的函数解析xml，于是出现错误：
XML error: Invalid character at line 66 。这下清楚了吧，怎么将其中的 无效字符 替换？

Answer 11

好吧，退而求其次：
怎样将#1楼中的数组中，无法识别的字符用正则挑出来并用“”替掉。
我用了下面的正则：foreach ($arrSend[1] as $title => $value) {
preg_replace('/^ [ [:punct:] ] + $/x','',$title);
preg_replace('/^ [ [:alnum:] [:space:] [:punct:] ]+ $/x','',$value);
} //end for但是 XML error: XML_ERR_NAME_REQUIRED at line 43 
也就是说$title没有过滤……

Answer 12

特殊字符出现在关联按键foreach ($arr as $ent => $val) {
  $ent = preg_replace('/[\x0-\x1f]/', '', $ent); //加入这个

Answer 13

ent-->>
��
Return-Path
没有过滤掉啊

Answer 14

o
Return-Path内码：
过滤前 \x01\x6f\x03\x01\x52\x65\x74\x75\x72\x6e\x2d\x50\x61\x74\x68
过滤后 \x6f\x52\x65\x74\x75\x72\x6e\x2d\x50\x61\x74\x68如果你还需要去掉 -
则规则为 /[-\x0-\x1f]/如果你只想保留合法的命名
则规则为 /\W/

Answer 15

我又看了一下，确实滤掉了,我没将preg_replace的返回值赋予变量，真是抱歉:……
<turn-Path>&lt;[email protected]&gt;</turn-Path>
……
<3Burn-Path>&lt;[email protected]&gt;</3Burn-Path>
……但我在用上面的xml函数解析的时候:
XML error: XML_ERR_NAME_REQUIRED at line 43 
我仔细看了下，没发现代码有错误啊，是不是xml的标签名中不能用数字开头？

Answer 16

是的，基本的 xml 的 标签名 的命名应符合 变量名 的命名规则

Answer 17

嗯，问题基本解决了，但是xml元素内容还有 无效字符 存在，但是和
o
还不是一个类型的，晕菜了。
我正努力寻找中，感谢版主的帮助！