论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2006-08-22 09:22 |只看该作者 |倒序浏览

CU 里许多RSS中 description 元素中的最后一个中文字符被切开了

造成用PHP(SAX) 解析到此处的时候发生错误

比如解析
http://bbs.chinaunix.net/rss/46.xml
中title为 美国《时代》周刊:最前沿的深圳痛苦转型 的 description 元素时

http://bbs.chinaunix.net/rss/all_jh.xml 中解析到 title 为 >[快乐数码摄影] -图- 轨迹 的description 元素时

都会发生错误停止解析

请教各位是否有解决的办法

[ 本帖最后由 MayerCN 于 2006-8-22 09:25 编辑 ]

文库|博客

axgle

稍有积蓄

论坛徽章:: 0

2楼 [报告]

发表于 2006-08-22 09:29 |只看该作者

mbstring
iconv

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

MayerCN

白手起家

论坛徽章:: 0

3楼 [报告]

发表于 2006-08-22 09:58 |只看该作者

原帖由 axgle 于 2006-8-22 09:29 发表
mbstring
iconv

我是说针对已经被切乱了的字符进行解析的问题, 比如如何过滤这些非正常的字符, 或者让解析器解析的时候不会产生错误而终止等等

并不是问如何截取多字节字符的问题?

[ 本帖最后由 MayerCN 于 2006-8-22 09:59 编辑 ]

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

HonestQiao

版主

论坛徽章:: 1

4楼 [报告]

发表于 2006-08-22 13:35 |只看该作者

这个你可以参考中文字符串截断函数。

找出被截断的字符替换掉

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

MayerCN

白手起家

论坛徽章:: 0

5楼 [报告]

发表于 2006-08-23 22:18 |只看该作者

问题解决了

起先我写下个正则替换, 将被截断的字符替换掉 , 就可以正常进行解析了

后来我发现直接用 iconv('UTF-8','UTF-8',$xml_code); 这样居然也可以过滤掉被截断的字符!

不过 iconv 对 GBK 繁体中文, 生批僻字感觉不完全支持，容易把原文的某些字给过滤掉．．．

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

返回列表

Chinaunix › 论坛 › 程序设计 › PHP › CU RSS 解析的问题

CU RSS 解析的问题 [复制链接]

浏览过的版块