2

Olá, tenho um XML que retorna de um webservice com erros de codificação, no encoding do XML está como UTF-8 porém não exibe acentos corretamente e não consigo detectar qual codificação correta a mesma deve estar. Não tenho informação nenhuma de como está armazenado no banco de dados original ou qualquer outra do tipo, apenas tenho retorno do mesmo. aqui um exemplo de como recebo o XML:

<?xml version="1.0" encoding="UTF-8"?>
<test>
<title>Muitos cientistas intrØpidos se aventura no coraĿªo dos dois vulcıes mais explosivos do planeta</title>
</test>

Como posso converter/detectar a codificação e corrigir os erros de acento? Existe alguma maneira de convertes este caracteres depois de gerador pelo webservice ou essa correção só pode ser feita no próprio webservice uma vez que o XML já foi gerado?

Obs: já tentei funções como iconv, utf8_decode, mb_convert_encode.

Desde já agradeço.

11
  • já tentou uma solução usando iconv()? Aqui tem um exemplo: stackoverflow.com/a/7980354/1001109 Commented 19/02/2017 às 1:09
  • Sim, amigao so ler a descricao da pergunta.
    – rafaelphp
    Commented 19/02/2017 às 1:36
  • Seria interessante ao AP, que os negativos fossem explicados, para que ele possa melhorar a pergunta...
    – MagicHat
    Commented 19/02/2017 às 11:27
  • @rafaelphp coloque o código que pega esse XML...
    – MagicHat
    Commented 19/02/2017 às 11:30
  • 1
    Será que não está misturando algo do xml ou algum outro script e na hora do output esta conflitando? Tem certeza que é no WS? Poderia colocar o código do funcionamento?
    – Syzoth
    Commented 21/02/2017 às 16:25

4 Respostas 4

6
+50

Nesse caso uma solução seria, você fazer um mapa com os padrões do encoding retornados, e substituí-los, exemplo :

<?php 
$arr = array("Ø" => "é","Ŀ" => "ç","ª" => "ã", "ı" => "õ"); 
$word = "Muitos cientistas intrØpidos se aventura no coraĿªo dos dois vulcıes mais explosivos do planeta"; 
echo strtr($word,$arr); 
?> 

Veja funcionando no Ideone

9
  • Acho que deveria ser "Ø" => "é". Commented 20/02/2017 às 20:38
  • 1
    É uma palavra bem incomum de se usar, mas eu pessoalmente já a conhecia de algumas narrações de RPG: dicio.com.br/intrepido Commented 20/02/2017 às 20:42
  • Dei -1 pois não está resolvendo o problema, e sim sugerindo algo que vai causar muito problemas futuros na rotina que trata os dados.
    – jlHertel
    Commented 21/02/2017 às 16:10
  • @jlHertel pelo contrário no caso de ele não ter acesso ao ws a única solução é tratar os dados recebidos... E minha respota é uma das soluções possíveis... Aliás dentro das repostas apresentadas é a única solução... Todos falam o por que de não dar mas nínguem ofereceu nenhuma solução real
    – MagicHat
    Commented 21/02/2017 às 16:14
  • 1
    O mais difícil (e nem tanto) é vc montar o mapa, ou seja se vc conseguir todos os caracteres que o ws te manda de forma incorreta e identificar qual o caractere correto fica até fácil, entretanto se vc precisar entregar um xml válido vc terá que depois das alterações gerar um novo xml válido, mas num é um bicho de 7 cabeças...
    – MagicHat
    Commented 21/02/2017 às 20:47
4

Você já está recebendo o dado incorretamente e portanto, será praticamente impossível detectar a codificação que a informação está chegando.

Minha recomendação é que você verifique a rotina que está gerando o XML e realize uma correção nela.

Alguns detalhes importantes: O padrão do XML define a codificação dos caracteres em seu cabeçalho com o <?xml version="1.0" encoding="UTF-8"?>. A rotina que irá ler estes dados deve respeitar esta codificação e utilizá-la para ler os dados. Caso a codificação seja diferente da informada no arquivo, o XML está inválido.

1
  • creio que vc confirmou o que estava pensando. e esse tipo de problema nao tem como corrigir depois de o xml ser gerado a solucao eh alterar no ws, porem nao tenho acesso. se nao tem solucao resolvido esta. obrigado.
    – rafaelphp
    Commented 20/02/2017 às 14:58
2

Quando tive este problema, o arquivo que gerava o meu XML estava salvo com a codificação ANSI inserir a descrição da imagem aqui , bastou eu alterar o formato do arquivo para UTF-8 e funcionou. inserir a descrição da imagem aqui

3
  • 1
    nao tenho aceso ao ws que retorna o xml esses dados estao vindo dessa maneira, a pergunta eh como tratar a codificacao depois de gerado
    – rafaelphp
    Commented 20/02/2017 às 14:56
  • Perdão, entendi que você era o fornecedor do conteúdo do XML, neste caso apenas por substituição mesmo, como foi sugerido por @magichat: echo strtr($xml->saveXML(), array("Ø" => "é","Ŀ" => "ç","ª" => "ã", "ı" => "õ")); Porém se seu XML realmente precisar dos caracteres especiais <title>Em 1962, Armstrong tornou-se astronauta e quatro anos depois participou pela 1ª vez numa missão espacial</title> Assim, o treixo não esta incorreto, mas ficará como , então procure combinar possíveis silabas, tais como "Ŀª" => "ça" Commented 21/02/2017 às 17:29
  • Obrigado pela sugerencia.
    – rafaelphp
    Commented 21/02/2017 às 18:02
1

Há um par de erros típicos que levam a este tipo de situações. Neste caso houve uma conversão para utf8 de um latin1 mas indicando que era outra coisa (neste caso ISO6937).

Solução com Iconv:

iconv -f utf8 -t ISO6937 x.xml | iconv -f latin1 -t utf8

Explicação : Mas afinal como chegar e este milagroso "ISO6937" ?: Inverter o processo com todos os encodings conhecidos e ver os que acertaram!

1: quais os encodes existentes conhecidos pelo iconv? -- iconv -l

2: inverter o processo para todos (criando um ficheiro _encode):

for a in `iconv -l | cut -d/ -f 1 `
do   
   iconv -c -f utf8 -t $a x.xml | iconv -f latin1 -t utf8 > _$a
done

3: procurar oss que produziram o resultado pretendido (e escolher um):

$ grep -l 'intrépido.*coração.*vulcões' _* 
_ANSI_X3.110
_ANSI_X3.110-1983
_CSA_T500
_CSISO103T618BIT
_CSISO90
_CSISO99NAPLPS
_ISO6937
_ISO_6937
_ISO_6937:1992
.... 

alguns destes nomes são alias do mesmo chaset

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .