1. 首页
  2. 问题
  3. PHP，SimpleXML，CDATA中的解码实体
一尘不染

PHP，SimpleXML，CDATA中的解码实体

php

我遇到以下行为：

$xml_string1 = "<person><name><![CDATA[ Someone&#039;s Name ]]></name></person>";
$xml_string2 = "<person><name> Someone&#039;s Name </name></person>";

$person = new SimpleXMLElement($xml_string1);
print (string) $person->name; # Someone&#039;s Name

$person = new SimpleXMLElement($xml_string2);
print (string) $person->name; # Someone's Name

$person = new SimpleXMLElement($xml_string1, LIBXML_NOCDATA);
print (string) $person->name; # Someone&#039;s Name

php文档说NOCDATA“将CDATA合并为文本节点”。对我来说，这意味着CDATA将与文本节点一样对待-或第3个示例的行为现在与第2个示例相同。

我没有对XML的控制权（这是来自外部源的提要），否则我将删除CDATA标记，因为它不执行任何操作并破坏了我想要的行为。

上面的示例为什么会表现出这种方式？有什么方法可以使SimpleXML处理CDATA节点的方式与处理文本节点的方式相同？因为我似乎不了解该选项，所以“将CDATA合并为文本节点”实际上是做什么的？

在提取数据后，我目前正在解码，但是上面的示例对我来说仍然没有意义。


阅读 240

收藏
2020-05-29

共1个答案

一尘不染

CDATA节的XML的目的是封装的文本块“为是”，否则将需要特殊字符（特别是>，<和&）进行转义。包含字符的CDATA节与包含的&普通文本节点相同&amp;。

如果解析器提出要忽略这一点，并且假装所有CDATA节点实际上只是文本节点，那么一旦有人提到“ P＆O Cruises”，它就会立即中断-
&根本不能单独存在（而不是&amp;，或&somethingElse;）。

该LIBXML_NOCDATA实际上是用SimpleXML漂亮没用，因为(string)$foo巧妙地结合了文本和CDATA节点的任何序列为普通PHP字符串。（人们经常注意到的东西，因为print_r没有。）对于诸如DOM之类的更系统的访问方法，这不一定是正确的，在DOM中，您可以独立地将文本节点和CDATA节点作为对象来操作。

它有效地做的是遍历文档，无论遇到CDATA节，它都会取走内容，对其进行转义，然后将其放回普通文本节点，或者将其与任何文本节点“合并”到任一侧。表示的文本是相同的，只是以不同的方式存储在文档中。您可以看到导出到XML的区别，如以下示例所示：

$xml_string = "<person><name>Welcome aboard this <![CDATA[P&O Cruises]]> voyage!</name></person>";

$person = new SimpleXMLElement($xml_string);
echo 'CDATA retained: ', $person->asXML();
// CDATA retained: <?xml version="1.0"?>
// <person><name>Welcome aboard this <![CDATA[P&O Cruises]]> voyage!</name></person>

$person = new SimpleXMLElement($xml_string, LIBXML_NOCDATA);
echo 'CDATA merged: ', $person->asXML();
// CDATA merged: <?xml version="1.0"?>
// <person><name>Welcome aboard this P&amp;O Cruises voyage!</name></person>

如果您要解析的XML文档包含实际上包含实体的CDATA部分，则需要采用该字符串并将其完全独立于XML取消转义。这样做的一个常见原因（除了对图书馆了解得不那么懒惰之外）是将HTML中标记的内容视为XML文档中的任何旧字符串，例如：

<Comment>
<SubmittedBy>IMSoP</SubmittedBy>
<Text><![CDATA[I'm <em>really</em> bad at keeping my answers brief <tt>;)</tt>]]></Text>
</Comment>
2020-05-29