使用 xml_parser_get_option 检查 XML 解析器的字符编码设置

xml_parser_get_option() 简介

xml_parser_get_option() 用于获取特定 XML 解析器的设置。函数原型如下：

mixed xml_parser_get_option(resource $parser, int $option)

其中 $parser 是通过 xml_parser_create() 或相关函数创建的解析器资源，$option 是你想要获取的选项常量，例如 XML_OPTION_TARGET_ENCODING、XML_OPTION_CASE_FOLDING 等。

如果设置项存在，函数返回其当前值；否则返回 false。

常用选项解释

对于编码相关，最常用的选项是：

XML_OPTION_TARGET_ENCODING

此选项表示解析器输出的目标编码，它决定了解析器如何转换内部字符表示为 PHP 可用的字符串。默认值为 "UTF-8"，也可以是 "ISO-8859-1" 或 "US-ASCII"。

注意事项一：理解目标编码与源编码的区别

xml_parser_get_option() 返回的是目标编码，即解析器输出结果的编码，而不是原始 XML 文件的编码。原始 XML 文件的编码由 XML 声明决定，例如：

<?xml version="1.0" encoding="ISO-8859-1"?>

即使 XML 声明是 ISO-8859-1，只要你没有手动更改解析器设置，xml_parser_get_option() 仍会返回 "UTF-8"，因为 PHP 会将源内容自动转换为目标编码。

注意事项二：设置与获取的对应关系

如果你打算修改默认目标编码，可以使用 xml_parser_set_option()：

$parser = xml_parser_create();
xml_parser_set_option($parser, XML_OPTION_TARGET_ENCODING, "ISO-8859-1");

随后用 xml_parser_get_option() 验证是否设置成功：

$encoding = xml_parser_get_option($parser, XML_OPTION_TARGET_ENCODING);
echo "当前编码：$encoding";

请注意，不支持任意编码，设置为不被支持的编码会导致解析器失败。

注意事项三：文件流与编码不一致可能引发错误

如果读取的 XML 文件本身使用与目标编码不一致的字符集，且内容中含有非 ASCII 字符，PHP 的解析器可能会因字符无法映射而抛出错误。因此，确保源文件的实际编码与声明一致，并与目标编码兼容是非常关键的。

可以通过 mb_detect_encoding() 检测文件的原始编码，必要时用 mb_convert_encoding() 转换为目标编码：

$xml = file_get_contents("https://gitbox.net/data/sample.xml");
$xml = mb_convert_encoding($xml, "UTF-8", "auto");
$parser = xml_parser_create("UTF-8");
xml_parse($parser, $xml, true);

注意事项四：区分解析器实例

每个解析器实例是独立的，获取设置时请确保你传入的是正确的解析器资源。尤其在同时处理多个 XML 文件或在类中封装解析器逻辑时，这一点尤为重要。

注意事项五：与 libxml 扩展无直接关系

xml_parser_get_option() 属于 Expat 解析器接口，而非基于 libxml 的 DOM 或 SimpleXML，因此无法用于这些扩展。它仅适用于使用 xml_parser_create() 创建的 SAX 风格解析器。