Нужен php для кодирования специальных символов, но не тегов html, для включения в расширенный rss-файл wordpress

Question

Я написал скрипт, который будет экспортировать всех пользователей, блоги и ответы с существующего (не WordPress) сайта в расширенный rss-файл wordpress для простоты импорта в новую установку WordPress в рамках миграции.Это работает хорошо, пока не дойдет до определенного сообщения в блоге со специальным знаком пунктуации во французской или французско-канадской фразе.

XML Parsing Error: not well-formed
Location: http://example.com/wordpress_xml/export-to-wp.php
Line Number 2000, Column 270:* ... <i>l'art du d\uffffplacement</i> ... 

Я обрезал полную ошибку выше.Вместо \ uffff отображается символ, похожий на запятую.В коде PHP у меня есть HTML-блог в строке.Мне нужно закодировать этот тип символов, не кодируя ни один из тегов HTML, и после долгих поисков я до сих пор рисовал пробел.Кто-нибудь уже сделал что-то подобное?

Answer 1

Для Latin-1 вы можете легко экранировать символы с помощью:

$html = preg_replace('/[\x80-\xFF]/e', '"&#x".dechex(ord("$0")).";"', $html);

Для UTF-8 это немного более привлекательно:

$html = preg_replace_callback("/(?!\w)\p{L}/u", "xmlent", $html);
function xmlent($m) {
    $str = mb_convert_encoding( $m[0] , "UCS-2BE", "UTF-8");
    return "&#x" . bin2hex($str) . ";";
}

Answer 2

После обнаружения проблемы, связанной с акцентами, я обнаружил следующие функции, размещенные на php.net, и они работали для моего случая, и сгенерированный мной файл экспорта импортирован в блог WordPress.

function xmlentities($string) {
    // Function from: http://php.net/manual/en/function.htmlentities.php
    // Posted by: snevi at im dot com dot ve 22-Jul-2008 01:10
    $string = preg_replace('/[^\x09\x0A\x0D\x20-\x7F]/e', '_privateXMLEntities("$0")', $string);
    return $string;
}

function _privateXMLEntities($num) {
    // Function from: http://php.net/manual/en/function.htmlentities.php
    // Posted by: snevi at im dot com dot ve 22-Jul-2008 01:10
        $chars = array(
    128 => '€',
    130 => '‚',
    131 => 'ƒ',
    132 => '„',
    133 => '…',
    134 => '†',
    135 => '‡',
    136 => 'ˆ',
    137 => '‰',
    138 => 'Š',
    139 => '‹',
    140 => 'Œ',
    142 => 'Ž',
    145 => '‘',
    146 => '’',
    147 => '“',
    148 => '”',
    149 => '•',
    150 => '–',
    151 => '—',
    152 => '˜',
    153 => '™',
    154 => 'š',
    155 => '›',
    156 => 'œ',
    158 => 'ž',
    159 => 'Ÿ');
    $num = ord($num);
    return (($num > 127 && $num < 160) ? $chars[$num] : "&#".$num.";" );
}