XML Datei mit PHP Parsen - Problem mit Zeichencodierung

DonTermi · 10.08.2005, 10:14

Hallo,

da ich erst kürzlich zu XML gefunden habe in PHP bin ich über ein großes Problem gestoßen:

Als erster habe ich mir eine kleine XML Parser Klasse geschrieben die soweit ganz funktioniert. Dabei werden ausgewählte Elemente in ein Array geschrieben. Klappt soweit. Jetzt komme ich aber zur größten Hürde: Habe riesige Probleme mit der Zeichencodieren.

Hier mal n Auszug aus meiner XML:

Code:

<?xml version="1.0" encoding="ISO-8859-1"?>
<freeware>
  <software>
        <beschreibung>Testtext mit Umlauten wie ö,ä,ü. Klappt nicht.</beschreibung>
  </software>
</freeware>

Aus diesem Text wird bei der Ausgabe:

Code:

Ã¶,Ã¤,Ã¼. Klappt nicht.

Selbst mit encoding="UTF-8" und die Datei als UTF-8 Format kommt genau das selbe raus. Bei längeren Texten kommen nur teilweise die Zeichen als UTF-8 Format und der Rest fehlt einfach.

robo47 · 10.08.2005, 10:21

schickst du bei der ausgabe auch einen passenden header an den browser ? dass er weis dass UTF-8 kommt ? bzw eben ISO ?
-> header checken !

abgesehen davon ohne code wird man dir hier schwer helfen können.

DonTermi · 10.08.2005, 10:47

Also kurz dazu:

Code:

<!DOCTYPE html
PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<meta http-equiv="content-type" content="text/html; charset=iso-8859-1" />

Aber habe gerade das Problem gefunden. Die content-Ausgabe vom HTML ist ja nicht so schlimm wenn das nicht stimmt. Es fehlt ja einfach nur Text bei der Ausgabe.

Code:

			$this->PARSER = xml_parser_create();

			xml_set_object($this->PARSER, $this);
			xml_set_element_handler($this->PARSER, "startElement", "endElement");
			xml_set_character_data_handler($this->PARSER, "dataElement");

			foreach($this->FILE as $ELEMENT)
			{
				xml_parse($this->PARSER, $ELEMENT);
			}

			xml_parser_free($this->PARSER);

Mein Problem war nur die dataElement Funktion. Ich habe erst jetzt mitbekommen das er mehrmals bei einem längeren Content in diese Funktion springt.

Problem daher:

Code:

Function dataElement($PARSER, $ELEMENT_CONTENT)
{
   $this->DATA[$this->INDEX][$this->NAME] = trim($ELEMENT_CONTENT);
}

Lösung:

Code:

$this->DATA[$this->INDEX][$this->NAME].= trim($ELEMENT_CONTENT);

Nachtrag:
Die Ausgabe funktioniert jetzt. Es wird der gesamte Inhalt des Elements angezeigt. Aber wieso gibt er den XML Content immer noch als UTF-8 aus obwohl im XML encoding ISO-8559-1 gesetzt ist und das Format der XML (ANSI Windows) ist?

robo47 · 10.08.2005, 10:53

nur mal nebenbei

Code:

<meta http-equiv="content-type" content="text/html; charset=iso-8859-1" />

is weitesgehend veraltet, weil das die meisten browser nicht mehr interessiert, es geht darum was für ein header der webserver sendet!

ein wget -dv deineurl
in der linuxshell sollte dir aufschluss darüber geben, oder halt selbst den header senden und dementsprechend deine ausgabe als utf-8 ausgeben

mfg
robo47

DonTermi · 10.08.2005, 11:16

Also meine Webseite mit der XML Ausgabe ist definitiv encoding iso-8859-1. Mozilla bestätigt mir dies in der Seiteneigenschaft.

Code:

type text/html
encoding ISO-8859-1

Trotzdem beantwortet mir das noch nicht meine Frage warum der Content meiner XML Datei als UTF-8 ausgegeben wird

Feststellung: Habe eben mal den Kram von meinem Lokalen Webserver (zum arbeiten) auf mein Hosting hochgeladen. Da wird der XML Content als ISo-8859-1 ausgegeben.
(www.donvelopment.org/beta/ siehe Freeware)

Jetzt wirds verhext... Wo muß ich da bei mir lokal was confen das es auch so ausgegeben wird? (Benutze Apache 2.0.54 mit PHP 5.0.4 - Windows)

In meine Header Datei habe ich sogar noch zusätzlich angefügt

Code:

Header("Content-Type: text/html; charset=ISO-8859-1");
Header("Content-Language: de");

Also muß die Sache woanders liegen (an PHP selbst) das mein XML Content als UTF-8 wiedergegeben wird. Könnte mir da jetzt gut vorstellen das PHP meinen XML Content automatisch in UTF-8 encodiert.

robo47 · 10.08.2005, 11:24

http://www.php.net/manual/de/ref.xml.php
[/quote]
PHP's XML extension supports the Unicode character set through different character encodings. There are two types of character encodings, source encoding and target encoding. PHP's internal representation of the document is always encoded with UTF-8.

Source encoding is done when an XML document is parsed. Upon creating an XML parser, a source encoding can be specified (this encoding can not be changed later in the XML parser's lifetime). The supported source encodings are ISO-8859-1, US-ASCII and UTF-8. The former two are single-byte encodings, which means that each character is represented by a single byte. UTF-8 can encode characters composed by a variable number of bits (up to 21) in one to four bytes. The default source encoding used by PHP is ISO-8859-1.
[/quote]´

hmm notfalls mal
www.php.net/utf_decode und
www.php.net/utf_encode anschauen
damit soltlest du es zumindest umwandeln können.

robo47 · 10.08.2005, 11:25

aaha grad gefunden:

http://www.php.net/xml_parser_create

Zitat:

The optional encoding specifies the character encoding for the input/output in PHP 4. Starting from PHP 5, the input encoding is automatically detected, so that the encoding parameter specifies only the output encoding. In PHP 4, the default output encoding is the same as the input charset. If empty string is passed, the parser attempts to identify which encoding the document is encoded in by looking at the heading 3 or 4 bytes. In PHP 5.0.0 and 5.0.1, the default output charset is ISO-8859-1, while in PHP 5.0.2 and upper is UTF-8. The supported encodings are ISO-8859-1, UTF-8 and US-ASCII.

DonTermi · 10.08.2005, 11:36

"Wer lesen kann ist klar im Vorteil"

Sollte wohl doch immer mal die kompletten Optionen der Funktion anschauen

Danke Dir. Klappt super. Wieder was gelernt

Themen-Optionen
Druckbare Version zeigen Jemanden per E-Mail auf dieses Thema hinweisen
Thema bewerten
Thema bewerten:

Ähnliche Themen
Thema	Autor	Forum	Antworten	Letzter Beitrag
Upload Problem einer ZIP Datei	sven2oo8	PHP-Fortgeschrittene	4	23.07.2008 23:54
Datei auslese Problem	Gokel	PHP Tipps 2008	10	11.07.2008 15:52
datei upload problem	thecracked	PHP Tipps 2008	5	11.07.2008 06:23
Funktionen aus externer Datei includen - Problem	Darson	PHP Tipps 2008	7	18.01.2008 16:27
Problem mit einer auslesen.php datei	my_self	PHP Tipps 2008	3	02.11.2007 00:09
Großer Baum -> Große Datei -> Hohe Ladezeit :(	PsychoEagle	PHP Tipps 2008	7	22.09.2007 12:44
Komisches problem mit Datei Berechtigungen	stuvomatic	PHP Tipps 2006	5	28.05.2006 01:49
[HELP] Problem mit dem Parsen von Homepage Seiten		PHP-Fortgeschrittene	3	10.10.2005 18:58
Problem beim Schreiben in eine Datei		PHP-Fortgeschrittene	2	17.08.2005 16:26
[TEMPLATEENGINE] Problem mit dem Parsen von Arrays	imported_Ben	PHP-Fortgeschrittene	5	30.07.2005 11:07
sehr merkwürdiges Problem mit require_once		PHP Tipps 2005-2	3	16.07.2005 13:42
Datei auslesen ergibt ein Problem	Fraylman	PHP Tipps 2004-2	4	22.12.2004 10:12
[Erledigt] Problem mit Datei Upload		Server, Hosting und Workstations	6	06.09.2004 04:58
Problem beim schreiben in Datei		PHP Tipps 2004	5	20.08.2004 14:06
[Erledigt] altes neues problem von datei upload!!!		PHP Tipps 2004	3	28.06.2004 19:06

10.08.2005, 10:14
DonTermi Erfahrener Benutzer Registriert seit: 14.07.2005 Beiträge: 157	XML Datei mit PHP Parsen - Problem mit Zeichencodierung Hallo, da ich erst kürzlich zu XML gefunden habe in PHP bin ich über ein großes Problem gestoßen: Als erster habe ich mir eine kleine XML Parser Klasse geschrieben die soweit ganz funktioniert. Dabei werden ausgewählte Elemente in ein Array geschrieben. Klappt soweit. Jetzt komme ich aber zur größten Hürde: Habe riesige Probleme mit der Zeichencodieren. Hier mal n Auszug aus meiner XML: Code: <?xml version="1.0" encoding="ISO-8859-1"?> <freeware> <software> <beschreibung>Testtext mit Umlauten wie ö,ä,ü. Klappt nicht.</beschreibung> </software> </freeware> Aus diesem Text wird bei der Ausgabe: Code: Ã¶,Ã¤,Ã¼. Klappt nicht. Selbst mit encoding="UTF-8" und die Datei als UTF-8 Format kommt genau das selbe raus. Bei längeren Texten kommen nur teilweise die Zeichen als UTF-8 Format und der Rest fehlt einfach. __________________ [visit Donvelopment.org] PGP-KeyID: 0xBEC31126] [Blog:Don's Blog]


Mister Ad PHP Code Flüsterer Registriert seit: 21.08.2005 Beiträge: 4682 PHP-Kenntnisse: Fortgeschritten

10.08.2005, 10:21
robo47 Moderator Registriert seit: 03.09.2004 Beiträge: 11.792 PHP-Kenntnisse: Fortgeschritten	schickst du bei der ausgabe auch einen passenden header an den browser ? dass er weis dass UTF-8 kommt ? bzw eben ISO ? -> header checken ! abgesehen davon ohne code wird man dir hier schwer helfen können. __________________ robo47.net - Blog, Codeschnipsel und mehr \| Caching-Klassen und Opcode Caches in php \| Robo47 Components - PHP Library extending Zend Framework

10.08.2005, 10:47
DonTermi Erfahrener Benutzer Registriert seit: 14.07.2005 Beiträge: 157	more Input :) Also kurz dazu: Code: <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <meta http-equiv="content-type" content="text/html; charset=iso-8859-1" /> Aber habe gerade das Problem gefunden. Die content-Ausgabe vom HTML ist ja nicht so schlimm wenn das nicht stimmt. Es fehlt ja einfach nur Text bei der Ausgabe. Code: $this->PARSER = xml_parser_create(); xml_set_object($this->PARSER, $this); xml_set_element_handler($this->PARSER, "startElement", "endElement"); xml_set_character_data_handler($this->PARSER, "dataElement"); foreach($this->FILE as $ELEMENT) { xml_parse($this->PARSER, $ELEMENT); } xml_parser_free($this->PARSER); Mein Problem war nur die dataElement Funktion. Ich habe erst jetzt mitbekommen das er mehrmals bei einem längeren Content in diese Funktion springt. Problem daher: Code: Function dataElement($PARSER, $ELEMENT_CONTENT) { $this->DATA[$this->INDEX][$this->NAME] = trim($ELEMENT_CONTENT); } Lösung: Code: $this->DATA[$this->INDEX][$this->NAME].= trim($ELEMENT_CONTENT); Nachtrag: Die Ausgabe funktioniert jetzt. Es wird der gesamte Inhalt des Elements angezeigt. Aber wieso gibt er den XML Content immer noch als UTF-8 aus obwohl im XML encoding ISO-8559-1 gesetzt ist und das Format der XML (ANSI Windows) ist? __________________ [visit Donvelopment.org] PGP-KeyID: 0xBEC31126] [Blog:Don's Blog]

10.08.2005, 10:53
robo47 Moderator Registriert seit: 03.09.2004 Beiträge: 11.792 PHP-Kenntnisse: Fortgeschritten	nur mal nebenbei Code: <meta http-equiv="content-type" content="text/html; charset=iso-8859-1" /> is weitesgehend veraltet, weil das die meisten browser nicht mehr interessiert, es geht darum was für ein header der webserver sendet! ein wget -dv deineurl in der linuxshell sollte dir aufschluss darüber geben, oder halt selbst den header senden und dementsprechend deine ausgabe als utf-8 ausgeben mfg robo47 __________________ robo47.net - Blog, Codeschnipsel und mehr \| Caching-Klassen und Opcode Caches in php \| Robo47 Components - PHP Library extending Zend Framework

10.08.2005, 11:16
DonTermi Erfahrener Benutzer Registriert seit: 14.07.2005 Beiträge: 157	Also meine Webseite mit der XML Ausgabe ist definitiv encoding iso-8859-1. Mozilla bestätigt mir dies in der Seiteneigenschaft. Code: type text/html encoding ISO-8859-1 Trotzdem beantwortet mir das noch nicht meine Frage warum der Content meiner XML Datei als UTF-8 ausgegeben wird Feststellung: Habe eben mal den Kram von meinem Lokalen Webserver (zum arbeiten) auf mein Hosting hochgeladen. Da wird der XML Content als ISo-8859-1 ausgegeben. (www.donvelopment.org/beta/ siehe Freeware) Jetzt wirds verhext... Wo muß ich da bei mir lokal was confen das es auch so ausgegeben wird? (Benutze Apache 2.0.54 mit PHP 5.0.4 - Windows) In meine Header Datei habe ich sogar noch zusätzlich angefügt Code: Header("Content-Type: text/html; charset=ISO-8859-1"); Header("Content-Language: de"); Also muß die Sache woanders liegen (an PHP selbst) das mein XML Content als UTF-8 wiedergegeben wird. Könnte mir da jetzt gut vorstellen das PHP meinen XML Content automatisch in UTF-8 encodiert. __________________ [visit Donvelopment.org] PGP-KeyID: 0xBEC31126] [Blog:Don's Blog]

10.08.2005, 11:24
robo47 Moderator Registriert seit: 03.09.2004 Beiträge: 11.792 PHP-Kenntnisse: Fortgeschritten	http://www.php.net/manual/de/ref.xml.php [/quote] PHP's XML extension supports the Unicode character set through different character encodings. There are two types of character encodings, source encoding and target encoding. PHP's internal representation of the document is always encoded with UTF-8. Source encoding is done when an XML document is parsed. Upon creating an XML parser, a source encoding can be specified (this encoding can not be changed later in the XML parser's lifetime). The supported source encodings are ISO-8859-1, US-ASCII and UTF-8. The former two are single-byte encodings, which means that each character is represented by a single byte. UTF-8 can encode characters composed by a variable number of bits (up to 21) in one to four bytes. The default source encoding used by PHP is ISO-8859-1. [/quote]´ hmm notfalls mal www.php.net/utf_decode und www.php.net/utf_encode anschauen damit soltlest du es zumindest umwandeln können. __________________ robo47.net - Blog, Codeschnipsel und mehr \| Caching-Klassen und Opcode Caches in php \| Robo47 Components - PHP Library extending Zend Framework

10.08.2005, 11:36
DonTermi Erfahrener Benutzer Registriert seit: 14.07.2005 Beiträge: 157	"Wer lesen kann ist klar im Vorteil" Sollte wohl doch immer mal die kompletten Optionen der Funktion anschauen Danke Dir. Klappt super. Wieder was gelernt __________________ [visit Donvelopment.org] PGP-KeyID: 0xBEC31126] [Blog:Don's Blog]