在通过PHP通过XSLT转换XML时,我遇到了一个令人讨厌的编码问题。
可以将问题总结如下:当我使用XSLT样式表复制(UTF-8编码)XHTML文件时,某些字符显示错误。当我只显示相同的XHTML文件时,所有字符均正确显示。
以下文件说明了该问题:
XHTML
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html
PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>encoding test</title>
</head>
<body>
<p>This is how we dïßπλǽ ‘special characters’</p>
</body>
</html>
XSLT
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0">
<xsl:output method="xml" encoding="UTF-8"/>
<xsl:template match="@*|node()">
<xsl:copy>
<xsl:apply-templates select="@*|node()"/>
</xsl:copy>
</xsl:template>
</xsl:stylesheet>
的PHP
<?php
$xml_file = 'encoding_test.xml';
$xsl_file = 'encoding_test.xsl';
$xml_doc = new DOMDocument('1.0', 'utf-8');
$xml_doc->load($xml_file);
$xsl_doc = new DOMDocument('1.0', 'utf-8');
$xsl_doc->load($xsl_file);
$xp = new XsltProcessor();
$xp->importStylesheet($xsl_doc);
// alllow to bypass XSLT transformation with bypass=true request parameter
if ($bypass = $_GET['bypass']) {
echo file_get_contents($xml_file);
}
else {
echo $xp->transformToXML($xml_doc);
}
?>
像这样调用此脚本时(例如http://localhost/encoding_test/encoding_test.php),转换后的XHTML文档中的所有字符都可以正常显示,除了'和'字符实体(它们用单引号引起来)。我不是Unicode专家,但是有两点让我震惊:
‘
和’
的UTF-8性质)我想我已经尽可能声明了输出的UTF-8编码。其他人也许会发现出什么问题了并且可以纠正吗?
提前致谢!
罗恩·范登·布兰登
最佳答案
‘
和’
不是可见的Unicode字符。
它们是用于单引号的旧HTML字符引用1,但是当您使用XSLT处理器处理它们时,处理器看不到单引号,而是看到十进制代码为145和146的Unicode字符,即U+0090 and U+0091。
这些字符是私有(private)使用的(即用法未由Unicode联盟定义)C1 control codes。
解决方案是使用正确的Unicode字符‘
和’
。
1实际上,这些代码映射到Windows-1252编码。它们由浏览器显示,但实际上是not valid in HTML: