php - 如何清理包含有效 UTF8 字符的 XML 属性的表单字段？

Question

我已经为此苦苦挣扎了一段时间。我有一个多语言网络应用程序，它会在某个时候输出 XML。此 XML 可以包含任何语言，因此我的清理方法是禁止插入破坏 XML 的某些字符。那并尽可能多地包装在 CDATA 中，但我在属性中有大量内容。我不想禁止使用特殊字符，因为括号、句点、破折号、刻度和撇号等完全有效的字符一直在使用并且它们有效。

去除所有会破坏 XML 属性但保持语言完好无损的字符的最佳方法是什么？

更新:
我发现:http://en.wikipedia.org/wiki/CDATA#CDATA-type_attribute_value ，这向我表明我可以使用 DTD 将属性描述为 CDATA 部分；然而，这似乎不是真的。

<?xml version="1.0" ?> 
<!DOCTYPE foo [
  <!ELEMENT foo EMPTY>
  <!ATTLIST foo a CDATA #REQUIRED>
]>
<foo a="&bull;"><![CDATA[ &bull; ]]> </foo>

任何验证器都会提示 bull 不是属性中的实体。如果删除该属性，它将有效。我还听说模式是可行的方法，所以如果可以实现类似上述但使用 XML 模式的东西，那就太棒了。

谢谢!

Answer 1

这是有效的

<?xml version="1.0" ?> 
<!DOCTYPE foo [
  <!ELEMENT foo EMPTY>
  <!ATTLIST foo a CDATA #REQUIRED>
]>
<foo a="&amp;bull;"><![CDATA[ &bull; ]]> </foo>

您可以将特殊字符转换为 html 实体

htmlentities($str);

和反转

html_entity_decode($str);

参见:http://www.php.net/manual/en/function.htmlentities.php

另请参阅“html 元字符”