W3C: Forbidden code point U+0084 und U+0093

Sagt mal, gibt es ein Tool oder sonst was, das mir anzeigt, wie der Code nun wirklich auf der Seite ist und nicht automatisch umwandelt in was "sichtbares". Ich verzweifel echt langsam. War gut dabei, aber nun seit 3 Stunden der gleiche Fehler und ich komme keinen Schritt weiter. Ich bin es inzwischen Leid, ich mag nicht mehr.....

Es ist ein Import von Awin. Schrieb ja schon bei einem anderen Post, dass die Zeichensätze wild mischen. Bisher ging das aber immer alles irgendwie durch Gefrickel, aber jetzt will das gar nicht.

Im Import steht, also was ich als Rohdaten bekomme:

"3 Geum „Mango“ und 3 Fetthennen"

Also das steht das genau so im Export von denen. Versuche ich das nun z.B. mit "$data = str_replace("„", "", $data);" zu löschen, dann geht das nicht, die Zeichen bleiben da. Auch schon alle möglichen anderen Versionen versucht, also 00 davor oder das & als & angegeben, bleibt dabei. Auch das von W3C genannte U+0084 lässt sich nicht löschen.

Ich habe so absolut keine Idee mehr und ehrlich auch keine Lust mehr. Bin nicht mehr belastbar. Will vorwärts kommen und dann immer so ein Mist

Hat einer eine Idee

Edit: Der Code oben passt, das Forum zeigt den so an, wie ich in getippt habe und nicht irgendwie anders. Braves Forum, Danke!

Ja, mich würde auch vieles daran interessieren. Mache nun schon den zweiten Tag damit rum.

Die Daten kommen als GZ XML hier an. Dann entpacke ich sie. Anschließend wird mit "simplexml_load_string" ein PHP-Objekt aus dem XML gebildet und dann auf der Webseite angezeigt.

So.

Nach dem Entpacken sehe ich da eben den Code wie oben beschrieben.

Schaue ich mir die Ausgabe auf der Webseite an, dann sind die Zeichen nicht sichtbar. Gehe ich in den Seitenquelltext, dann steht dort nur noch dieses Kästchen mit 0084 drinnen. Typisch Zeichensatzfehler eben. W3C meldet aber zeitgleich den Fehler wie im Titel.

Also dachte ich mir, einfach ein $data = str_replace("„", "", $data); rein und gut ist. Das Zeichen brauch ich da nicht. Aber, die Zeichenkette "„" wird nicht gefunden. Auch nicht „ oder "U+0084".

Und eben das Problem, dass ich nicht weiß, was da irgendwie draus wurde, denn kein System zeigt mir das so an wie mein Editor nach dem Entpacken. Die Browser zeigen es entweder gar nicht an, oder eben als "Symbol mit Ziffern", aber nicht den genauen String.

Ja Alex, das habe ich schon durch mit dem encode. Das hilft aber nicht. Wenn ich das mache, dann wird aus dem bestimmten Zeichen ein Fragezeichen und aus allen anderen (die Funktionieren) "kryptische Darstellungen".

Will sagen, da sind ja noch hunderte andere im XML, die sind so alle richtig und müssen genau so bleiben. Nur die beiden x84 und x93 müssen raus.

Da gibt es z.B. noch einen anderen String, der auch falsch ist, aber einfach falsch geschrieben, Komma anstelle von Semikolon. Der lässt sich problemlos löschen bzw. ersetzen mit

$data = str_replace("&ndash,", "-", $data);

Das Problem ist auch, das ist in dem Dokument eine wilde Mischung aus normalen HTML, HTML-Entitiesund HEX-Entities. Daher will ich da auch mit encoding gar nicht lange rum machen, denn das zerlegt dann andere Stellen.

Das liefert genau das Ergebnis, was zu erwarten ist....

Das kommt aber auch ohne htmlspecialchars_decode, denn das hat da ja gar keine Wirkung. Das ist für spezielle Sonderzeichen, in dem Fall sogar nur für " und '.

Aber eben hier nicht. Das ist z.B. so ein String.....

<desc>Einfach eine Balkon-Geranie mit Traumbl&#xFC;ten! Die Bl&#xFC;ten dieser aus England stammenden Z&#xFC;chtung sind stark gef&#xFC;llt und sehen aus wie kleine B&#xE4;lle! Die tuffige Farbe in Wei&#xDF; mit Ros&#xE9; lebt &#xFC;ber dem tiefgr&#xFC;nen Laub so richtig auf. Von Mai bis Oktober bl&#xFC;ht diese Geranien-Rarit&#xE4;t durch und bringt Ihnen immer wieder Bl&#xFC;ten. Au&#xDF;er etwas Sonne und D&#xFC;nger braucht &#x84;Appleblossom&#x93; keine gro&#xDF;e Pflege. Ein Hit in Balkonk&#xE4;sten, K&#xFC;beln und Beeten. (Pelargonium zonale)</desc>

Da wird alles richtig umgesetzt, bis auf die x84 und x93 recht weit hinten im Text

Daraus wird dann einfach

wobei eben alle anderen stimmen.

Nein Alex, ich will nix umwandeln, das ist doch schon alles UTF-8. Ich will diese x84 einfach nur löschen, weil sie fehlerhaft angezeigt werden. Aber sie lassen sich nicht löschen, da der String nicht gefunden wird.

Ja eben, das ist ja das komische.

Im Export steht es richtig. Auf dem Server, direkt nach dem Entpacken steht es auch richtig.

Gebe ich den ganzen Import einfach per ECHO aus, wird es richtig angezeigt. Durchlaufe ich aber das XML und gehe dann Produkt für Produkt durch, dann machen genau diese beiden Zeichen die Probleme, keine anderen. Und ich kann eben im Produkt-Durchlauf dann nicht einfach löschen, weil es angeblich nicht da ist. Also irgendwas scheint mit den beiden Werten dann zu passieren, was auch immer. Da muss ja was sein, denn es zeigen ja alle was an, auch wenn halt was falsches.

"recode_string" schon versucht? Nee, höre ich nun zum ersten mal.

Ok, das werde ich nicht teste. Dazu muss PHP neu kompiliert werden .....