请使用以下XML代码段：
<title>Foos’ bar</title>
当我使用PHP的DOMDocument解析完整文档时：
<?php
$dom = new DOMDocument('1.0', 'UTF-8');
$dom->loadXML($xml);
$dom->saveHTML(); // Output: <title>Foos’ bar</title>
?>
我可以看到所有内容，标题中有HTML符号。
然后我要提取标题文本：
<?php
$xpath = new DOMXpath($dom);
$xpath->query('//title')->item(0)->nodeValue); // Output: Foos bar
?>
即使调试和检查$xpath->query('//title')->item(0)对象，也看不到HTML符号。我试图更改编码，XML版本和解析选项，但是没有运气。
另外，我不确定XML标记解释的规则是什么，但我直觉会解析HMLT符号，因为它是有意义的标记。如果我手动将XML更改为：
<title><![CDATA[Foos’ bar]]></title>
那么一切都非常完美，我可以在最终结果中访问我的HTML符号。不幸的是，在这种情况下，我无法控制XML源。
你有什么主意吗？除了在解析之前使用正则表达式替换符号之外？
’是无效的数字字符引用。您需要更换它。
但是，好消息是，您不需要自己全部替换它。
这些数字实体早于HTML / XML中的某个时间，在该时间中这些数字字符引用所涉及的字符集尚未全局定义。由于是HTML 4和XML 1.0，因此使用Unicode通用字符集（UCS）的代码点。
如果您有这样的坏数据或更旧的数据，可以让Tidy为您进行清理工作：
$xml = '<title>Foos’ bar</title>';
$config = [
'input-xml' => true,
'output-xml' => true,
'newline' => 'LF',
];
$xml = tidy_parse_string($xml, $config);
$dom = new DOMDocument();
$dom->loadXML($xml);
echo $dom->saveHTML();
输出：
<title>Foos’ bar</title>
然后，Tidy对象也会发出一个警告。
警告：替换无效的数字字符引用146
这正是我们使用它的原因。
如果您想了解更多信息，此页面上列出的电子邮件可能对您很有趣。如果Tidy对您不起作用，这也可能向您显示了如何自己进行操作。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句