Кодировка в PHP->XML

[ket]

Задача: перенести на новую машину (LAMP) сайт с базами данных с машины с аналогичной системой.

Решение: Базы не большие поэтому посредством PHP были экспортированны в XML формат, результат переброшен на новую машину и импорт.. однако на этапе разборки XML часть информации исчезает, а именно запись вида

<entry>
  <name>Вася Пупкин</name>
  <age>20</age>
  <addr>123456, деревня Кукуево...</addr>
</entry>

разбирается как

<entry>
  <name>Вася Пупкин</name>
  <age>20</age>
  <addr>123456, </addr>
</entry>

то есть в случае наличия в строке русских букв, если первая русская, то запись проходит, иначе проходят только не русские символы до первого вхождения русского, как результат адрес с указанием индекса обрезается до одного только индекса.

реализован импорт посредством следующего PHP-кода

function importFile($fn) {
  /* открываем файл */
  if(!($fd = gzopen($fn, "br")))
	return 1;

  /* создаем парсер */
  $p = xml_parser_create("UTF-8");
  xml_parser_set_option($p, XML_OPTION_CASE_FOLDING, 0);
  xml_parser_set_option($p, XML_OPTION_SKIP_WHITE, 0);

  /* настраеваем парсер */
  xml_set_element_handler($p, "bTag", "eTag");
  xml_set_character_data_handler($p, "xData");

  /* читаем и разбираем файл блоками */
  do {
	$data = gzread($fd, 65536);
	xml_parse($p, $data, feof($fd));
  } while(!feof($fd));

  /* освобождаем ресурсы */
  gzclose($fd);
  xml_parser_free($p);

  return 0;
}

/* глобальная переменна для звязи функций обработчика */
$xmls = array();

/* обработка открытия тэга */
function bTag($p, $tag, $attr) {
  global $xmls;

  switch($tag) {
	case "root":
	  break;
	case "entry":
	  $xmls["current_tag"] = $tag;
	  $xmls["entry"] = array();
	  break;
	default:
	  $xmls["entry"][$xmls["current_tag"]] = "";
  }
}

/* обработка закрытия тэга */
function eTag($p, $tag, $attr) {
  global $xmls;

  switch($tag) {
	case "root":
	  break;
	case "entry":
	  if($xmls["entry"]) {
		inser_to_db($xmls["entry"]);
	  }
	  $xmls["current_tag"] = false;
	  $xmls["entry"] = false;
	  break;
	default:
	  $xmls["entry"][$xmls["current_tag"]] = false;
  }
}

/* обработка содержимого тэга */
function xData($p, $data) {
  global $xmls;
  if($xmls["current_tag"])
	$xmls["entry"][$xmls["current_tag"]] = $data;
}

на старой машине этот код работает нормально, а на новой при обработке содержимого тэга addr функции xData передается только "123456, ".

Новая система

altlinux-server 4

php-5.2.2

apahe-1.3.37

PHP-расширения

dom

mbstring

mcrypt

mysql

suhosin

Все настроенно на UTF-8, включая mbstring и glibc самой системы.

Разборка через DOM кушает слишком много памяти и времени, соответственно вылетает по достижении лимита, того либо другого. Я уже второй день дрючу систему, а соответственно она меня, есть идеи?

[odalex]

Разборка через DOM - может стоит попробовать организовать буффер что бы не вылетало?

еще советую обратить внимание на кодировку базы данных

у меня была схожая проблема, но немного иного плана - просто с одного хостинга перенести базу данных на другой, при импорте часть русских символов портилась, я вышел из ситуации с помощью проги, называется "Штирлиц"

она берет файл и раскодирует его содержимое, а потом кодирует в выбранную кодировку..попробуйте..но программулина старая, есть своя специфика, если не получится могу помочь с перекодировкой файла