关于xml解析错误的杂记

前段时间生成rss格式的文件，发现明明看似正确的文件，却就是解析错误。

编辑器打开xml文件，发现一些小方格的奇怪字符，删除这个字符了发现就可以正确解析了！

网上查了一下，原因如下：

根据W3C的标准，以下16进制的字符是不被允许出现在XML文件中的，即使放在<![CDATE[]]> 中，也不能幸免遇难,会引起 Solr 对 XML 处理的错误，从而导致创建索引失败，所以在提交数据之前把这些字符过滤掉。\x00-\x08, \x0b-\x0c, \x0e-\x1f在 PHP 可以用这个方法  return preg_replace(’@[\x00-\x08\x0B\x0C\x0E-\x1F]@’, ”, $string);另外，在给 Solr 提交数据的时候要注意提交的 xml 文件/数据大小，如果太大可能会出现各种莫名奇妙的问题，Solr 会说你的 XML 格式不正确，缺少闭合标签，解析不了。

 

最后，总结一下方法：

function toXmlStr($str){
  return preg_replace("/[\\x00-\\x08\\x0b-\\x0c\\x0e-\\x1f]/",'',$str);
}