在php开发中遇到了这样的问题。utf-8编码的字符保存到数据库时可能因为字符串过长被截取保存了，截取后的数据很可能就包含非法字符了。这样的字符放到xml中，会导致整个xml不合法，无法被解析，程序对数据的依赖性太大。即使是放到cdata中也是如此。所以必须对可能的非法字串进行预处理。

发现php有个函数mb_check_encoding，可以判断是否是某个编码的合法字串：

function validutf($str){
   if( mb_check_encoding($str,"utf-8") )
      return $str;
 else
    return "unknow data";
}

用上面的函数，返回的就一定是合法的utf-8字串了，可用于组装xml. 非法数据毕竟是少数，用unknow data代替。