[讨论]XML中特殊字符出现乱码的解决[做AJAX的朋友不要错过]

hopesoft 楼主

作者：琥珀 @ 2006-9-20
http://www.51ajax.com

昨天有朋友问到XML中特殊字符显示有误的问题，搜集了N多资料，终于找到一个解决方案，权当抛砖引玉，给大家提供个思路，希望能有更好的方法。

1.问题描述
XML文档中，一些特殊ASCII字符，显示会有问题，如音乐符号，即使包含在< ! [CDATA[ ] ]中也不行，提示javascript错误：文本内容中发现无效字符。

注：本文中的特殊字符主要是指音乐符号等ASCII码小于32的其中一些字符

2.参考文档

1)网址：http://www.pcdog.com/p/html/20041215/151220044979_1.htm
update:@2006-9-21 这篇文章与本文要解决的特殊字符不是一类问题，仅供参考

3.最终解决方案

1)在网上找到一张ASCII字符表，这个表是解决问题的关键，地址如下：

http://www.51ajax.com/demo/ascii/ascii.htm

ASCII 码大致可以分作三部分组成。   第一部分由 00H 到 1FH 共 32 个，一般用来通讯或作为控制之用，有些字符可显示于屏幕，有些则无法显示在屏幕上，但能看到其效果(例如换行字符、归位字符)。

第二部分是由 20H 到 7FH 共 96 个，这 95 个字符是用来表示阿拉伯数字、英文字母大小写和底线、括号等符号，都可以显示在屏幕上。

第三部分由 80H 到 0FFH 共 128 个字符，一般称为『扩充字符』，这 128 个扩充字符是由 IBM 制定的，并非标准的 ASCII 码。这些字符是用来表示框线、音标和其它欧洲非英语系的字母。

2)具体方法
从第一部分的表中可以看到音乐符号的ASCII是14（十进制），产生问题的原因在于ASCII码小于32的符号有些在屏幕上显示时会有问题，解决的方法如下：

在提交入库前用Javascript将ASCII码小于32的字符用escape()函数编码，然后入库，如编码后将变为%0E，其它字符不变，这样在XML中显示不会出现问题，当用Javascript对XML进行解析时，再用unescape()函数对内容进行解码，这样会将%0E显示为。

我写了一个Javascript函数(只适用于少量数据)，可以实现对ASCII码在32以下的字符进行编码。

Javascript函数如下：

1. function escapeAscii(s){
   
2.   var ss=s
   
3.   var strNew=""
   
4.   for(var i=0;i<s.length;i++){
   
5.       strNew+=(ss.charCodeAt(0,1)<32?(escape(ss.substring(0,1))):(ss.substring(0,1)))
   
6.       ss=ss.substring(1,ss.length)
   
7.     }
   
8.    return strNew
   
9. }
   
10.        

复制代码

做了一个Demo页，可对字符串进行编码、解码，这是地址：http://www.51ajax.com/demo/ascii/index.html
也在AJAX留言板测试一下，已按上述方式在入库前进行了编码，读取时再解码。
这是AJAX留言板的XML页地址：http://www.51ajax.com/guestbook/guestbook.php?action=get

4.存在问题
当数据量比较大时，存在效率问题，我对正则不熟，哪位达人如能用正则写个函数，那应该算是一个比较好的解决方案了。

[ 本帖最后由 hopesoft 于 2006-9-21 09:43 编辑 ]

flight001

$

这个符号在XML中怎么办？

hopesoft 楼主

$的ASCII码是36，不会出现乱码，见AJAX留言板第107号留言的回复

wangdong3

实体与编码都是xml最基础的概念，如果这些个概念还没搞清楚，建议重新学习xml基础知识。

hopesoft 楼主

我的理论一向很差，呵呵，有不足之处欢迎踊跃拍砖。

另：我指的特殊字符主要是指音乐符号等ASCII码小于32的其中一些字符。

在51ajax.com上网友nukq回复到：

XML标准规定的无效字节为：

  /*
   0x00 - 0x08
   0x0b - 0x0c
   0x0e - 0x1f
   */

所以很简单，输出的时候过滤这些字符就万无一失了，下面是PHP的实现。

/* PHP 实现 */
function XmlSafeStr($s)
{
  return preg_replace("/[\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]/",'',$s);
}

这种方式应该是直接过滤掉特殊字符，新浪的Blog在提交一些特殊字符时，也会被过滤掉。

不知有没有保留特殊字符的解决方案？或上面的PHP代码能否改成把特殊字符替换为编码过的字符？如替换为%0E?

第2条　网上那个的方法和我的方法应该不是解决一类问题，放在一起有些不合适，容易误导，回头再仔细研究一下，整理一下。