XML中的混合字符编码错误

可以使用此正则表达式检查字符串的utf-8-ness:

(^(?:
[\x00-\x7f] |
[\xc0-\xdf][\x80-\xff] |
[\xe0-\xef][\x80-\xff]{2} |
[\xf0-\xf7][\x80-\xff]{3}
)*$)x

您确定编码不正确吗?我不使用emacs,而是使用二进制文件查看器。问题位置的实际字节是多少?

使用Java可以很容易地检测到无效的UTF-8字节模式。我不确定默认的字符集支持是否能处理它,但是UTF-8非常简单。我通常用 UTF-8 table here 作为有效字节序列的引用。

你可以使用 libxml_use_internal_errors 和 libxml_get_errors 循环浏览加载文档时发生的错误。您要查找的错误代码是xml_err_invalid_char=9。

<?php
$xml = '<?xml version="1.0" encoding="utf-8"?>
<a>
    <b>' . chr(0xfd) . chr(0xff) . '</b>
</a>';
libxml_use_internal_errors(true);

$doc = new DOMDocument;
$doc->loadxml($xml);

foreach (libxml_get_errors() as $error) {
    print_r($error);
}
libxml_clear_errors();

印刷品

LibXMLError Object
(
    [level] => 3
    [code] => 9
    [column] => 5
    [message] => Input is not proper UTF-8, indicate encoding !
Bytes: 0xFD 0xFF 0x3C 0x2F

    [file] => 
    [line] => 3
)