萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP SimpleXML 解析 RSS 錯誤「input conversion failed」根因與解決方案

錯誤現象

Warning: simplexml_load_file(): input conversion failed due to input error, bytes 0xAD 0xB5 0x3C 0x2F

發生於 `simplexml_load_file()` 或 `simplexml_load_string()`,導致解析中斷。

根本原因:XML 宣告編碼與實際內容編碼不一致

  • XML 標頭宣告:``
  • 實際內容卻混雜 **Big5、UTF-8 或其他編碼字元** (如 0xAD 0xB5 為 Big5「、」字元前半部)。
  • libxml2 (SimpleXML 底層) 嚴格遵循宣告編碼解碼,遇到不合法位元組序列即報錯。

解決方案

方案 1:預先轉碼為 UTF-8 (推薦)

<?php
$url = 'https://example.com/feed.rss';
$raw = file_get_contents($url); // 取得原始位元組

// 偵測實際編碼 (需 mbstring)
$encoding = mb_detect_encoding($raw, ['GB2312', 'BIG-5', 'UTF-8', 'ASCII'], true);
if ($encoding && strtoupper($encoding) !== 'UTF-8') {
    $raw = mb_convert_encoding($raw, 'UTF-8', $encoding);
    // 同步修正 XML 宣告編碼屬性
    $raw = preg_replace('/encoding\s*=\s*["\']?[^"\']+["\']?/i', 'encoding="UTF-8"', $raw, 1);
}

$xml = simplexml_load_string($raw);
if ($xml === false) {
    // 蒐集 libxml 錯誤
    $errors = libxml_get_errors();
    libxml_clear_errors();
    throw new Exception('XML 解析失敗: ' . implode('; ', array_map(fn($e) => $e->message, $errors)));
}

方案 2:使用 `LIBXML_NOERROR | LIBXML_ERR_NONE` 抑制警告並容錯

$xml = simplexml_load_string($raw, 'SimpleXMLElement', LIBXML_NOERROR | LIBXML_ERR_NONE);
if ($xml === false) { /* 手動處理 */ }

缺點:可能靜默吞掉資料,不建議生產環境。

方案 3:強制指定編碼 (若來源固定)

$xml = simplexml_load_file($url, 'SimpleXMLElement', LIBXML_NOCDATA);
// 若已知為 GB2312,可先 iconv 轉碼
$raw = file_get_contents($url);
$raw = iconv('GB2312', 'UTF-8//IGNORE', $raw); // IGNORE 忽略無法轉換字元
$xml = simplexml_load_string($raw);

最佳實踐:統一使用 UTF-8

  • **資料來源端** 應輸出 UTF-8 XML,並在 HTTP Header `Content-Type: application/xml; charset=UTF-8` 聲明。
  • **消費端** 統一 `mb_internal_encoding('UTF-8')`,資料庫連線 `SET NAMES utf8mb4`。
  • 定期以 `xmllint --valid --noout feed.xml` 驗證 XML 格式正確性。

進階:切換更健壯的解析器

解析器特點
XMLReader (Pull Parser)流式處理、低記憶體、可跳過錯誤節點、適合大檔案
DOMDocument樹狀結構、支援 XPath、可 `recover` 模式容錯
simplexml_load_string簡單易用、但對編碼錯誤敏感
$dom = new DOMDocument();
$dom->recover = true; // 容錯模式
$dom->loadXML($raw, LIBXML_NOERROR | LIBXML_NOWARNING);
$xml = simplexml_import_dom($dom); // 轉為 SimpleXMLElement 繼續用

總結

SimpleXML 編碼錯誤 99% 來自 **XML 宣告編碼與實際內容不符**。解決核心:**取得原始位元組 → 偵測/假設真實編碼 → 轉 UTF-8 → 修正宣告 → 解析**。長期維護請要求上游輸出標準 UTF-8 XML。

copyright © 萬盛學電腦網 all rights reserved