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);
}