Ошибка парсера XML: сущность не определена

Ответ 1

Я согласен, что это чисто проблема с кодировкой. В PHP я решил эту проблему:

• Перед передачей html-фрагмента в конструктор SimpleXMLElement я декодировал его с помощью html_entity_decode.

• Затем дополнительно закодировано с помощью utf8_encode().

$headerDoc = '<temp>' . utf8_encode(html_entity_decode($headerFragment)) . '</temp>'; 
$xmlHeader = new SimpleXMLElement($headerDoc);

Теперь приведенный выше код не выдает никакой ошибки undefined.

Ответ 2

Вы можете анализировать текст в формате HTML и повторно использовать его с соответствующими числовыми объектами (например:   →  ). В любом случае - просто использование неуправляемого пользовательского ввода - плохая идея.

Все числовые объекты разрешены в XML, только те, которые известны из HTML, не работают (за исключением &, ", <, >, ').

В большинстве случаев вы можете просто записать фактический символ (ö → ö) в XML файл, поэтому вообще не нужно использовать ссылку на сущность. Если вы используете DOM API для управления вашим XML (и вы должны!), Это ваша самая безопасная ставка.

Наконец, это ленивое решение для разработчиков, вы можете создать разбитый XML файл (т.е. неправильно сформированный с ошибками объекта) и просто передать его tidy для необходимых исправлений. Это может работать или может потерпеть неудачу в зависимости от того, насколько нарушено все это. По моему опыту, аккуратность довольно умна, и позволяет вам уйти с большим количеством.

Ответ 3

1. Я могу найти и заменить все [  ?] И поменять их на [ ?] Или фактическое пространство.

Это надежный метод, но для этого требуется, чтобы у вас была таблица всех объектов HTML (я предполагаю, что вставленный ввод поступает из HTML) и анализирует вложенный текст для ссылок на сущности.

2. Я могу разместить этот код в разделе CDATA.

Другими словами, отключить синтаксический анализ для всего раздела? Тогда вам придется разбирать его по-другому. Может работать.

3. Я могу включить эти объекты в XML файл.

Вы имеете в виду включать определения сущности? Я думаю, что это простой и надежный способ, если вы не возражаете, чтобы XML файл был немного больше. У вас может быть "включенный" файл (найти его в Интернете), который является внешним объектом, с которым вы ссылаетесь в верхней части основного файла XML.

Один недостаток заключается в том, что используемый вами парсер XML должен обрабатывать внешние объекты (которые не все парсеры должны делать). И он должен правильно разрешить (возможно относительный) URL-адрес внешнего объекта к чему-то доступному. Это не так уж плохо, но это может увеличить ограничения на ваши инструменты обработки.

4. Вы можете запретить не-XML в вставленном контенте. Помимо всего прочего, это будет запрещать ссылки на сущности, которые не предопределены в XML (5, упомянутые Томалаком) или определенные в самом содержимом. Однако это может нарушить требования приложения, если пользователи должны иметь возможность вставлять туда HTML.

5. Вы можете анализировать вставленный контент как HTML в дерево DOM, установив someDiv.innerHTML = thePastedContent; Другими словами, создайте div где-нибудь (возможно, display = none, за исключением отладки). Скажем, у вас есть переменная javascript myDiv, которая содержит этот элемент div, а другая переменная myField, которая содержит элемент, который является вашим текстовым полем ввода. Затем в javascript вы делаете

myDiv.innerHTML = myField.value;

который берет unparsed текст из myField, анализирует его в дереве HTML DOM и вставляет его в myDiv как содержимое HTML.

Затем вы должны использовать некоторый браузерный метод для сериализации (= "де-парсинга" ) дерева DOM в XML. См. Например этот вопрос. Затем вы отправляете результат на сервер как XML.

Если вы хотите сделать это исправление в браузере или на сервере (как предлагал @Hannes), это будет зависеть от размера данных, от того, насколько быстро ответ должен быть, насколько утончен ваш сервер и заботитесь ли вы о хакерах, отправляющих неправильно сформированный XML.

Ответ 4

Если вы хотите преобразовать все символы, это может вам помочь (я написал это некоторое время назад):

http://www.lautr.com/convert-all-applicable-characters-to-numeric-entities-for-use-in-xml

function _convertAlphaEntitysToNumericEntitys($entity) {
  return '&#'.ord(html_entity_decode($entity[0])).';';
}

$content = preg_replace_callback(
  '/&([\w\d]+);/i',
  '_convertAlphaEntitysToNumericEntitys',
  $content);

function _convertAsciOver127toNumericEntitys($entity) {
  if(($asciCode = ord($entity[0])) > 127)
    return '&#'.$asciCode.';';
  else
    return $entity[0];
}

$content = preg_replace_callback(
  '/[^\w\d ]/i',
  '_convertAsciOver127toNumericEntitys', $content);

Ответ 5

Этот вопрос является общей проблемой для любого языка, который анализирует XML или JSON (так, в основном, каждый язык).

Вышеупомянутые ответы для PHP, но решение Perl было бы таким же простым, как...

my $excluderegex =
    '^\n\x20-\x20' .   # Don't Encode Spaces
       '\x30-\x39' .   # Don't Encode Numbers
       '\x41-\x5a' .   # Don't Encode Capitalized Letters
       '\x61-\x7a' ;   # Don't Encode Lowercase Letters

    # in case anything is already encoded
$value = HTML::Entities::decode_entities($value);

    # encode properly to numeric
$value = HTML::Entities::encode_numeric($value, $excluderegex);