¿PHP no tiene una función para decodificar la entidad segura para XML? ¿No tienes algún xml_entity_decode?
EL PROBLEMA: Necesito un archivo XML "codificado" por UTF8; es decir, sin una entidad que represente símbolos, todos los símbolos incluidos en UTF8, excepto los únicos 3 que están reservados para XML, "&" (amp), "<" (lt) y ">" (gt). Y,necesito unconstruir en Función que lo hace rápido.: para transformar entidades en caracteres UTF8 reales (sin dañar mi XML).
PD: es un "problema del mundo real" (!); aPMC / revistas, por ejemplo, tienen 2.8 MILLONES de artículos científicos acompañados deun XML DTD especial (Conocido también comoFormato JATS) ... Para procesar como "texto XML-UTF8 habitual" necesitamos cambiar de entidad numérica a char de UTF8.
LA SOLUCIÓN INTENTADA: la función natural de esta tarea eshtml_entity_decode, pero destruye el código XML (!), transformando los 3 símbolos reservados de XML.
Ilustrando el problemaSuponer
$xmlFrag ='<p>Hello world!    Let A<B and A=∬dxdy</p>';
Donde las entidades 160 (nbsp) y x222C (doble integral) deben transformarse en UTF8, y el XML-reservadolt no. El texto XML será (después de transformado),
$ xmlFrag = '<p>¡Hola Mundo! Vamos a<B y A = ∬dxdy</p>';
El texto "A <B" necesita un carácter reservado para XML, por lo que DEBE permanecer comoA<B.
Trato de usarhtml_entity_decode para resolver (¡directamente!) el problema ... Entonces, actualicé mi PHP a v5.5 para intentar usar elENT_XML1 opción,
$s = html_entity_decode($xmlFrag, ENT_XML1, 'UTF-8'); // not working
// as I expected
Quizás otra pregunta es,"¿POR QUÉ no hay otra opción para hacer lo que esperaba?" - Es importante para muchas otras aplicaciones XML (!), no solo para mí.
No necesito unsolución como respuesta ... Ok, muestro mi función fea, tal vez te ayude a entender el problema,
function xml_entity_decode($s) {
// here an illustration (by user-defined function)
// about how the hypothetical PHP-build-in-function MUST work
static $XENTITIES = array('&','>','<');
static $XSAFENTITIES = array('#_x_amp#;','#_x_gt#;','#_x_lt#;');
$s = str_replace($XENTITIES,$XSAFENTITIES,$s);
//$s = html_entity_decode($s, ENT_NOQUOTES, 'UTF-8'); // any php version
$s = html_entity_decode($s, ENT_HTML5|ENT_NOQUOTES, 'UTF-8'); // PHP 5.3+
$s = str_replace($XSAFENTITIES,$XENTITIES,$s);
return $s;
} // you see? not need a benchmark:
// it is not so fast as direct use of html_entity_decode; if there
// was an XML-safe option was ideal.
PS: corregido despuésesta respuesta. Debe serENT_HTML5 bandera, para convertirrealmente todas las entidades nombradas.