php - 如何将 Amazon MWS 响应中的 UTF-8 转义字符串转换为正确的 UTF-8？

Question

在 XML Amazon MWS ListOrders 响应的一部分中，我们在一个元素中得到了转义的 UTF-8 字符:

<Address><Name>Ram&#xC3;&#xAD;rez Jones</Name></Address>

这个名字应该是Ramírez。变音符号 í 是 UTF-8 字符 U+00ED(字面量为 \xc3\xad；引用 this chart)。

但是 PHP 的 SimpleXML 函数会破坏这个字符串(你可以看到，因为我只是粘贴了)，将其转换为

Ramírez Jones

进入此处的编辑器框(显然 stackoverflow 的 ASP.NET 基础与 PHP 执行相同的操作)。

现在，当这个损坏的字符串被保存到 MongoDB 中，然后从 MongoDB 中取出时，它就会变成

RamÃ-­rez Jones

出于某种原因，这里插入了一个连字符，不管你信不信，如果您选择上面的粗体文本，然后将其粘贴回 StackOverflow 编辑器窗口，它只会显示为 Ramírez (连字符神秘地消失了，至少在 OS X 10.8.5 上是这样)!

下面是一些示例代码来说明此问题:

$xml = "<Address><Name>Ram&#xC3;&#xAD;rez Jones</Name></Address>";
$elem = new SimpleXMLAddressent($xml);
$bad_string = $elem->Name;
echo mb_detect_encoding($bad_string)."\n";
echo $elem->Name->__toString()."\n";
echo iconv('UTF-8', 'ASCII//TRANSLIT//IGNORE', $elem->Name->__toString());

这是上述示例代码的输出，as run on onlinephpfunction.com's sandbox :

UTF-8
Ramírez Jones
RamA-rez Jones

如何避免这个问题？真是把事情搞砸了。

编辑:

让我补充一下，虽然 XML 中的名称应该是 Ramírez Jones，但我需要将其音译为 Ramirez Jones(去掉我)。

修订后的最终解决方案:

它与下面的正确答案不同，但这是我发现的最优雅的解决方案。只需将示例的最后一行替换为:

echo iconv('UTF-8','ASCII//TRANSLIT', html_entity_decode($xml));

这是有效的，因为“í”是HTML entities .

替代解决方案

奇怪的是，这也有效:

$xml = '<?xml version="1.0"?><Address><Name>Ram&#xC3;&#xAD;rez Jones</Name></Address>';
$xml= str_replace('<?xml version="1.0"?>', '<?xml version="1.0" encoding="ISO-8859-1"?>' , $xml);
$domdoc = new DOMDocument();
$domdoc->loadXML($xml);
$xml = iconv('UTF-8','ASCII//TRANSLIT',$domdoc->saveXML());
$elem = new SimpleXMLElement($xml);
echo $elem->Name; 

Answer 1

它不起作用，因为它被编码了两次。字符 í 的代码为 U+00ED，它应该在 XML 中编码为 &#ED;。

您可以使用以下任一方法修复其编码:

$name = iconv('UTF-8', 'ISO-8859-1//TRANSLIT//IGNORE', $elem->Name->__toString());

或

$name = mb_convert_encoding($elem->Name->__toString(), 'ISO-8859-1', 'UTF-8');

更新:

上面建议的两种方法都可以修复编码(它们实际上将字符串的编码从 UTF-8 转换为 ISO-8859-1 ，这顺便解决了问题在眼前)。

@Hazzit 提供的解决方案也有效。

这两种解决方案(以及您的代码)的真正挑战是检测是否接收到的数据以错误的方式编码，并仅在这种情况下应用这些修复程序，让代码在以下情况下正常工作:亚马逊修复了编码问题。我希望他们能做到。

以最小的信息损失去除重音

修复编码后，为了用 ASCII 子集中的类似字母替换重音字母，您必须使用 iconv() (因为只有 iconv() 可以帮助)，就像您在示例代码中所做的那样。

$nameAscii = iconv('UTF-8', 'ASCII//TRANSLIT//IGNORE', $name);

第二个参数的解释可以在iconv()的文档页面中找到。 ;另请阅读用户评论。