Erreur D'analyseur XML: entité non définie

je conviens qu'il s'agit purement d'une question d'encodage. En PHP, c'est comme ça que j'ai résolu ce problème:

1. avant de passer le fragment html au constructeur SimpleXMLElement Je l'ai décodé en utilisant html_entity_decode .

2. puis encodé en utilisant utf8_encode() .

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

maintenant le code ci-dessus ne jette pas de entité non définie erreur.

vous pourriez HTML-parse le texte et l'avoir ré-échappé avec les entités numériques respectives seulement (comme:   →   ). Dans tous les cas-tout simplement en utilisant l'utilisateur non-épuré entrée est une mauvaise idée.

toutes les entités numériques sont autorisées en XML, seules les entités nommées connues en HTML ne fonctionnent pas (à l'exception de & , " , < , > , ' ).

Most du temps, vous pouvez simplement écrire le caractère réel ( ö → ö ) dans le fichier XML, donc il n'est pas nécessaire d'utiliser une entité de référence. Si vous utilisez une API DOM pour manipuler votre XML (et vous devriez!) c'est votre pari le plus sûr.

enfin (c'est la solution de développeur paresseux) vous pourriez construire un fichier XML cassé (i.e. pas bien formé, avec des erreurs d'entity) et juste passer par tidy pour les corrections nécessaires. Ce peut fonctionner ou peut échouer selon juste comment cassé l'ensemble de la chose est. Dans mon expérience, bien rangé est assez intelligent, cependant, et vous permet d'obtenir beaucoup de lui.

1 . Je peux trouver et remplacer tout [   ?] et les échanger avec [   ?] ou un espace réel.

c'est une méthode robuste, mais elle exige que vous ayez une table de toutes les entités HTML (je suppose que l'entrée collée vient de HTML) et d'analyser le texte collé pour les références d'entités.

2 . Je peux placer le code en question dans une section CDATA.

en d'autres termes disable parsing pour toute la section? Ensuite, vous avez à analyser d'une autre manière. Pourrait fonctionner.

3 . Je peux inclure ces entités dans le fichier XML.

vous voulez dire inclure les définitions d'entité? Je pense que c'est un moyen facile et robuste, si vous ne vous gênez pas de faire le fichier XML un peu plus grand. Vous pourriez avoir un fichier "inclus" (en trouver un sur le web) qui est une entité externe, que vous référencez à partir du haut de votre fichier XML principal.

un inconvénient est que L'analyseur XML que vous utilisez doit être celui qui traite les entités externes (ce que tous les analyseurs ne sont pas tenus de faire). Et il doit correctement résoudre L'URL (éventuellement relative) de l'entité externe à quelque chose d'accessible. Ce n'est pas si mal, mais cela peut augmenter les contraintes sur vos outils de traitement.

4 . Vous pourriez interdire le non-XML dans le contenu collé. Entre autres choses, cela exclurait les références d'entités qui ne sont pas prédéfinies dans XML (les 5 Que Tomalak a mentionnés) ou définies dans le contenu lui-même. Toutefois, cela peut violer les exigences de l'application, si les utilisateurs ont besoin d'être en mesure de coller HTML là-dedans.

5 . Vous pouvez analyser le contenu collé en HTML dans un arbre DOM en paramétrant someDiv.innerHTML = theastedcontent; En d'autres termes, créer une div quelque part (probablement display=none, excepté pour le débogage). Supposons que vous ayez une variable javascript myDiv qui contient cet élément div, et une autre variable myField qui contient l'élément qui est votre champ de texte d'entrée. Puis en javascript vous faites

myDiv.innerHTML = myField.value;

qui prend le texte sans équivalent de myField, le parse dans un arbre de DOM HTML, et le colle dans myDiv comme contenu HTML.

alors vous utiliseriez une méthode basée sur le navigateur pour sérialiser (="de-parsing") L'arbre DOM de nouveau dans XML. Voir par exemple cette question . Ensuite, vous envoyez le résultat au serveur en XML.

si vous voulez faire cette correction dans le navigateur ou sur le serveur (comme @Hannes l'a suggéré) dépendra de la taille des données, de la rapidité de la réponse doit être, comment beefy votre serveur est, et si vous vous souciez des pirates envoyant XML pas bien formé exprès.

si vous voulez convertir tous les caractères, cela peut vous aider (je l'ai écrit il y a un moment):

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);

cette question Est Un Problème général pour toute langue qui analyse XML ou JSON (donc, essentiellement, chaque langue).

les réponses ci-dessus sont pour PHP, mais une solution Perl serait aussi facile que...

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);