Как сохранить HTML код в XML?

Question

[JastaFly]

Мне нужно сохранить HTML код в XML файл, для этого используется следующий код:

$xml = new SimpleXMLElement('<texts/>');
$xml->addChild('text', $myHtmlCode);
$xml->asXML('path/to/file.xml');

Данные успешно сохраняются, проблема в том что я не могу их получить, так как данный код:
$myData = simplexml_load_file('path/to/file.xml');
Возвращает различные ошибки парсинга XML, то:

simplexml_load_file() parser error: Entity 'nbsp' not defined

или:
Validation error : EntityRef: expecting ';'
Как можно сохранить HTML в XML и избежать подобных проблем?

Comments

[Adamos]

htmlentities / htmlentities_decode

[JastaFly]

Adamos, пробовал использовать html_entities_decode():

$xml->addChild('text', html_entity_decode($myHtmlCode));

В итоге получил вторую указанную ошибку:
Validation error : EntityRef: expecting ';'

[Adamos]

JastaFly, смотрите на ввод там, где ее получаете.
Может, у вас там тупо невалидный HTML, который браузер прожевывает, а парсеры бранятся.

[JastaFly]

Adamos, Да в том-то и прикол что мне вообще не нужно чтобы он валидировался, просто сохранить, потом извлечь, желательно серьёзных изменений

[Ivan Ustûžanin]

я бы прежде всего попробовал другой API: DOMDocument + DOMCdataSection / DOMNode->textContent
SimpleXMLElement может оказаться слишком simple

[сергей кузьмин]

JastaFly, не тот нисрумент выбрали

попробуйту jsoup

[Ипатьев]

Вот да, если "просто сохранить, потом извлечь" то ЗАЧЕМ XML?
А если отвечать "в лоб", то попробовать CDATA

[Adamos]

JastaFly, сразу не заметил - вы ДЕкодируете HTML перед тем, как запихнуть в XML? То есть вообще не понимаете, что делаете?
Хотите вы валидировать или нет, но пока ваш XML не будет валидным - вы ничем из него информацию не прочтете.
А чтобы засунуть в XML другие XML-based языки разметки (например, HTML), текст в них нужно ЗАкодировать, чтобы исключить из него символы, ломающие разметку XML.

[Ипатьев]

Adamos, вы очень много суетитесь, при том что все ваши комментарии не в тему.
Самый первый ваш комментарий не имеет смысла.
Но после него автор вопроса решил попробовать ваше же преложение.
И теперь вы ему пеняете уже за это.

[Adamos]

Ипатьев, хуже того - я не понимаю вашей претензии.
Чуваку нужна XML, набитая текстами страниц. Кому-то скормить хочет, надо полагать.
Чтобы эти тексты не ломали эту XML, их придется закодировать.
Что я неправильно понял?

[Ипатьев]

Adamos, ну начать надо с того, что addChild вообще-то уже кодирует. Иначе эта функция не имела бы смысла.
но вот кодирует она немного не так.
Но я сейчас уже вижу, что там стоит запрет повторного кодирования, так что ваша рекомендация на самом деле должна сработать. Только без html_entity_decode

[Adamos]

Ипатьев, кодирует она только треугольные скобки. А у ТС ошибка на  , хотя и не знаю, почему.
Забавно будет, если он просто загнал огромный текст, поймал ограничения SimpleXML и вопрос ни о чем.

[JastaFly]

Adamos вариант с кодированием хренов из-за того что данные придётся восстанавливать в исходное состояние а при кодировании/декодирование исходная вёрстка может пострадать. Варина с CDATA проще, а значит лучше

[Adamos]

JastaFly, истинно так.
Это был паллиатив на случай, если задача одноразовая и нужно просто разобраться, что глючит (по вашей ошибке получалось, что XML, скорее всего, вообще ни при чем).

Answer 1

[JastaFly]

В итоге переписал всё с использованием библиотеки DOMDocument где можно нормально работать с CDATA. Спасибо огромное IvanU7n за подсказку)