UTF8

[Anon]

I've run into the same problems. Here is my solution so far. Pretty messy, but it works:

    function _stripUTF8InvalidHexValues($data)
    {
            for($i=0;$i<strlen($data);$i++)
            {
                    $chr = substr($data,$i,1);
                    if((ord($chr) > 128) || (ord($chr) == 0))
                    {
                            $data = substr($data,0,$i) . substr($data,$i+1,strlen($data)-($i+1));
                    }
            }

            //strip out weird values that will muck up xml parser
            //see ftp://ftp.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP1252/TXT
            //for a listing of hex values and what they mean
            $data = ereg_replace("\x00","",$data);
            $data = ereg_replace("\x01","",$data);
            $data = ereg_replace("\x02","",$data);
            $data = ereg_replace("\x03","",$data);
            $data = ereg_replace("\x04","",$data);
            $data = ereg_replace("\x05","",$data);
            $data = ereg_replace("\x06","",$data);
            $data = ereg_replace("\x07","",$data);
            $data = ereg_replace("\x0e","",$data);
            $data = ereg_replace("\x0f","",$data);
            $data = ereg_replace("\x10","",$data);
            $data = ereg_replace("\x11","",$data);
            $data = ereg_replace("\x12","",$data);
            $data = ereg_replace("\x13","",$data);
            $data = ereg_replace("\x14","",$data);
            $data = ereg_replace("\x15","",$data);
            $data = ereg_replace("\x16","",$data);
            $data = ereg_replace("\x17","",$data);
            $data = ereg_replace("\x18","",$data);
            $data = ereg_replace("\x19","",$data);
            $data = ereg_replace("\x1a","",$data);
            $data = ereg_replace("\x1b","",$data);
            $data = ereg_replace("\x1c","",$data);
            $data = ereg_replace("\x1d","",$data);
            $data = ereg_replace("\x1e","",$data);
            $data = ereg_replace("\x1f","",$data);
            $data = ereg_replace("\xf3","",$data);


            return $data;
    }

    function _handleProblemXMLCharacters($data)
    {
            $data = $this->_stripUTF8InvalidHexValues($data);
            $changed_data = ereg_replace("& ","&amp;",$data);
            $changed_data = ereg_replace("&#058;",":",$changed_data);
            return $changed_data;
    }

//from main loop

                    while($data = fread($fp,4096))
                    {
                            $data = $this->_handleProblemXMLCharacters($data);
                            if(!xml_parse($this->mParser,$data,feof($fp)))
                            {
                            }
                    }

Hope it helps.