Блог веб-разработчика

Сегодня столкнулся с одним неприятным багом PHP при работе с XML с кодировкой UTF-8. Если воспользоваться функцией DOMDocument::loadXML.

Есть исходный xml-файл: 1.xml

<?xml version="1.0" encoding="UTF-8"?>
<root>
   <name>Имя</name>
   <description>Description</description>
</root>

Теперь хотим воспользоваться DOMDocument и подгрузить файл, далее дампим его содержимое на экран. В этом примере все будет работать на ура и результат будет идентичен файлу 1.xml — байт к байту :).

$dom = new DOMDocument('1.0', 'UTF-8');
$dom->load('1.xml');
echo $dom->saveXML();

Рассмотрим другую ситуацию, когда мы xml-данные как-то получаем, меняем, добавляем и в итоге передаем строку в функцию loadXML.

$xml = <<<XML
<root>
   <name>Имя</name>
   <description>Description</description>
</root>
XML;

$dom = new DOMDocument('1.0', 'UTF-8');
$dom->loadXML($xml);
echo $dom->saveXML();

А на выходе получаем нижеследующее. Куда делись наши символы на русском? И исчезла кодировка UTF-8?

<?xml version="1.0"?>
<root>
   <name>&#x418;&#x43C;&#x44F;</name>   
   <description>Description</description>
</root>

После нескольких часов экспериментов выяснил, что никак её установить нельзя, но лекарство есть, и оно следующее: нужно добавить заголовок xml-файла с кодировкой. И вуаля — красота :), все стало работать. Надеюсь в версии PHP 6 они сделают поддержку UTF-8 получше.

$xml = <<<XML
<root>
   <name>Имя</name>
   <description>Description</description>
</root>
XML;

$dom = new DOMDocument('1.0', 'UTF-8');
$dom->loadXML('<?xml version="1.0" encoding="UTF-8"?>' . "\n" . $xml);
echo $dom->saveXML();

Ссылки по теме:
• DOMDocument::__construct
• DOMDocument::loadXML
• DomDocument — кодировка в HTML-документах

Tags: PHP