PHP使用simplexml_load_file遇特殊字符报错的解决方法咨询

问题根源是XML中使用了HTML专属实体（如É），但XML默认仅支持5个预定义实体（<、>、&、"、'），未定义的实体会导致解析器报错。以下是两种无需修改原XML文件的解决方法：

方法1：先转换HTML实体为Unicode字符再解析 #

先获取XML原始内容，用html_entity_decode()将所有HTML实体转换为对应的Unicode字符，再用simplexml_load_string()解析处理后的内容：

// 获取XML原始内容
$xmlRaw = file_get_contents('https://www....');
// 将HTML实体转换为UTF-8编码的字符（需匹配原XML的编码）
$xmlProcessed = html_entity_decode($xmlRaw, ENT_QUOTES, 'UTF-8');
// 解析处理后的XML
$xml = simplexml_load_string($xmlProcessed);

说明： #

• html_entity_decode()会自动处理几乎所有HTML实体，包括É这类特殊字符，转换后XML中不再存在未定义的实体引用。
• 第三个参数需与目标XML的编码一致（常见为UTF-8或ISO-8859-1），避免出现乱码。

方法2：用DOMDocument结合错误抑制处理 #

通过DOMDocument加载XML，开启libxml内部错误处理来屏蔽实体报错，再转换为SimpleXMLElement使用：

// 开启libxml内部错误处理，禁止输出警告
libxml_use_internal_errors(true);

$dom = new DOMDocument();
// 加载目标XML
$dom->load('https://www....');

// 清除已触发的错误
libxml_clear_errors();

// 转换为SimpleXMLElement对象
$xml = simplexml_import_dom($dom);

说明： #

• 此方法会忽略XML解析中的实体错误，但可能同时掩盖其他潜在的XML格式问题，仅推荐在无法使用方法1的场景下使用。

内容的提问来源于stack exchange，提问作者Lesley Peters