Ошибка кодирования XML, но и XML, и кодировка входного текста имеют значение utf-8 в php

Кодировка базы данных связь важна. Убедитесь, что он установлен в UTF-8. В большинстве случаев рекомендуется использовать UTF-8 (для ваших полей). Наборы символов, такие как ISO-8859-1, имеют очень ограниченное количество символов. Поэтому, если в них будет закодирована строка Unicode, это может привести к потере данных.

Второй аргумент DOMDocument::createElement() не работает. In кодирует только специальные символы немного, но не &. Во избежание проблем создавайте и добавляйте содержимое как отдельный текстовый узел. Однако DOMNode::appendChild() возвращает узел добавления, поэтому методы DOMElement::create* могут быть вложенными и связанными.

$data = [
  [
    'inf_titulo' => 'Foo',
    'inf_ilustracao' => 'foo.jpg',
    'informativo_id' => 42,
    'inf_descricao' => 'Some content',
    'inf_data' => 'a-date'
  ]  
];
$informativos = json_decode(json_encode($data));

function stripTagsAndTruncate($text) {
    $text = strip_tags($text);
    $text = str_replace([" ", "
"], " ", $text);
    return substr($text, 0, 150).'...';
}

$dom = new DOMDocument('1.0', 'UTF-8');
$rss = $dom->appendChild($dom->createElement('rss'));
$channel = $rss->appendChild($dom->createElement("channel"));
$channel
  ->appendChild($dom->createElement("title"))
  ->appendChild($dom->createTextNode("Informativos"));
$channel
  ->appendChild($dom->createElement("link"))
  ->appendChild($dom->createTextNode("http://example.com/informativos"));

foreach ($informativos as $informativo) {
    $item = $channel->appendChild($dom->createElement("item"));

    $item
      ->appendChild($dom->createElement("title"))
      ->appendChild($dom->createTextNode($informativo->inf_titulo));
    $item
      ->appendChild($dom->createElement("image"))
      ->appendChild($dom->createTextNode("http://example.com/".$informativo->inf_ilustracao));
    $item
      ->appendChild($dom->createElement("link"))
      ->appendChild($dom->createTextNode("http://example.com/informativo/".$informativo->informativo_id));
    $item
      ->appendChild($dom->createElement("description"))
      ->appendChild($dom->createTextNode(stripTagsAndTruncate($informativo->inf_descricao)));
    $item
      ->appendChild($dom->createElement("pubDate"))
      ->appendChild($dom->createTextNode($informativo->inf_data));
}
$dom->formatOutput = TRUE;
echo $dom->saveXML();

Выход:

<?xml version = "1.0" encoding = "UTF-8"?> 
<rss>
  <channel>
    <title>Informativos</title> 
    <link>http://example.com/informativos</link> 
    <item> 
      <title>Foo</title> 
      <image>http://example.com/foo.jpg</image> 
      <link>http://example.com/informativo/42</link> 
      <description>Some content...</description> 
      <pubDate>a-date</pubDate> 
    </item> 
  </channel> 
</rss>

Усечение фрагмента HTML может привести к повреждению объектов и кодовых точек (если вы не используете строковую функцию, поддерживающую UTF-8). Вот два подхода к ее решению.

Вы можете использовать PCRE в режиме UTF-8 и сопоставить n объектов/кодовых точек:

// have some string with HTML and entities
$text = 'Hello<b>äöü</b>&nbsp;&auml;&#13; foobar';

// strip tags and replace some specific entities with spaces
$stripped = str_replace(['&nbsp;', '&#13;'], ' ', strip_tags($text));
// match 0-10 entities or unicode codepoints
preg_match('(^(?:&[^;]+;|\\X){0,10})u', $stripped, $match);
var_dump($match[0]);

Выход:

string(18) "Helloäöü ä"

Однако я бы предложил использовать DOM. Он может загружать HTML и позволяет использовать на нем выражения Xpath.

// have some string with HTML and entities
$text = 'Hello<b>äöü</b>&nbsp;&auml;&#13; foobar';

$document = new DOMDocument();
// force UTF-8 and load
$document->loadHTML('<?xml encoding = "UTF-8"?>'.$text);
$xpath = new DOMXpath($document);
// use xpath to fetch the first 10 characters of the text content
var_dump($xpath->evaluate('substring(//body, 1, 10)'));

Выход:

string(15) "Helloäöü ä"

DOM обычно обрабатывает все строки как UTF-8. Так что кодовые точки - это не проблема. Xpaths substring() работает с текстовым содержимым первого совпадающего узла. Аргументом являются позиции символов (не индекс), поэтому они начинаются с 1.

DOMDocument::loadHTML() добавит теги html и body и декодирует объекты. Результаты будут немного чище, чем при подходе PCRE.