使用 PHP 和 XMLReader 解析 XML

Posted 2023-02-24

技术标签:

【中文标题】使用 PHP 和 XMLReader 解析 XML【英文标题】：Parse XML with PHP and XMLReader 【发布时间】：2013-02-27 01:04:04 【问题描述】：

我一直在尝试使用 php 和 XMLReader 解析一个非常大的 XML 文件，但似乎无法获得我正在寻找的结果。基本上，我正在搜索大量信息，如果 a 包含某个邮政编码，我想返回那部分 XML，或者继续搜索直到找到该邮政编码。本质上，我会将这个大文件分解成几个小块，因此不必查看数千或数百万组信息，它可能是 10 或 20 组。

这里有一些我想要的 XML

//search through xml
<lineups country="USA">
//cache TX02217 as a variable
 <headend headendId="TX02217">
//cache Grande Gables at The Terrace as a variable
  <name>Grande Gables at The Terrace</name>
//cache Grande Communications as a variable
  <mso msoId="17541">Grande Communications</mso>
  <marketIds>
   <marketId type="DMA">635</marketId>
  </marketIds>
//check to see if any of the postal codes are equal to $pc variable that will be set in the php
  <postalCodes>
   <postalCode>11111</postalCode>
   <postalCode>22222</postalCode>
   <postalCode>33333</postalCode>
   <postalCode>78746</postalCode>
  </postalCodes>
//cache Austin to a variable
  <location>Austin</location>
  <lineup>
//cache all prgSvcID's to an array i.e. 20014, 10722
   <station prgSvcId="20014">
//cache all channels to an array i.e. 002, 003  
    <chan effDate="2006-01-16" tier="1">002</chan>
   </station>
   <station prgSvcId="10722">
    <chan effDate="2006-01-16" tier="1">003</chan>
   </station>
  </lineup>
  <areasServed>
   <area>
//cache community to a variable $community   
    <community>Thorndale</community>
    <county code="45331" size="D">Milam</county>
//cache state to a variable i.e. TX
    <state>TX</state>
   </area>
   <area>
    <community>Thrall</community>
    <county code="45491" size="B">Williamson</county>
    <state>TX</state>
   </area>
  </areasServed>
 </headend>

//if any of the postal codes matched $pc 
//echo back the xml from <headend> to </headend>

//if none of the postal codes matched $pc
//clear variables and move to next <headend>

 <headend>
 etc
 etc
 etc
 </headend>
 <headend>
 etc
 etc
 etc
 </headend>
 <headend>
 etc
 etc
 etc
 </headend> 
</lineups>

PHP：

<?php
$pc = "78746";
$xmlfile="myFile.xml";
$reader = new XMLReader();
$reader->open($xmlfile); 

while ($reader->read())  
//search to see if groups contain $pc and echo info

我知道我做这件事的难度超出了应有的程度，但尝试操作如此大的文件时有点不知所措。任何帮助表示赞赏。

【问题讨论】：

您实际上在该 XML 块中寻找什么？ XPath 是您的朋友。您只想查看是否有任何包含预定值？有点。如果我搜索这个大文件，并且一个块包含一个预定的邮政编码，那么我基本上想返回那个块。它会将这个巨大文件的大小减少到 2%。我仍将返回 XML，但我必须参考的数量将大大减少。 【参考方案1】：

为了获得更多XMLReader 的灵活性，我通常会创建自己的iterators that are able to work on the XMLReader object and provide the steps I need。

首先是对所有节点的简单迭代，然后是对具有特定名称的元素的迭代。让我们调用最后一个XMLElementIterator 以读取器和元素名称作为参数。

在您的场景中，我将创建一个迭代器，为当前元素返回 SimpleXMLElement，仅采用 <headend> 元素：

require('xmlreader-iterators.php'); // https://gist.github.com/hakre/5147685

class HeadendIterator extends XMLElementIterator 
    const ELEMENT_NAME = 'headend';

    public function __construct(XMLReader $reader) 
        parent::__construct($reader, self::ELEMENT_NAME);
    

    /**
     * @return SimpleXMLElement
     */
    public function current() 
        return simplexml_load_string($this->reader->readOuterXml());

配备此迭代器后，您剩下的工作就是小菜一碟了。首先加载 10GB 的文件：

$pc      = "78746";

$xmlfile = '../data/lineups.xml';
$reader  = new XMLReader();
$reader->open($xmlfile);

然后检查<headend>元素是否包含信息，如果是，则显示数据/XML：

foreach (new HeadendIterator($reader) as $headend) 
    /* @var $headend SimpleXMLElement */
    if (!$headend->xpath("/*/postalCodes/postalCode[. = '$pc']")) 
        continue;
    

    echo 'Found, name: ', $headend->name, "\n";
    echo "==========================================\n";
    $headend->asXML('php://stdout');

这确实实现了您想要实现的目标：遍历大文档（对内存友好），直到找到您感兴趣的元素。然后处理具体元素，它是 XML只要; XMLReader::readOuterXml() 是一个很好的工具。

示例输出：

Found, name: Grande Gables at The Terrace
==========================================
<?xml version="1.0"?>
<headend headendId="TX02217">
        <name>Grande Gables at The Terrace</name>
        <mso msoId="17541">Grande Communications</mso>
        <marketIds>
            <marketId type="DMA">635</marketId>
        </marketIds>
        <postalCodes>
            <postalCode>11111</postalCode>
            <postalCode>22222</postalCode>
            <postalCode>33333</postalCode>
            <postalCode>78746</postalCode>
        </postalCodes>
        <location>Austin</location>
        <lineup>
            <station prgSvcId="20014">
                <chan effDate="2006-01-16" tier="1">002</chan>
            </station>
            <station prgSvcId="10722">
                <chan effDate="2006-01-16" tier="1">003</chan>
            </station>
        </lineup>
        <areasServed>
            <area>
                <community>Thorndale</community>
                <county code="45331" size="D">Milam</county>
                <state>TX</state>
            </area>
            <area>
                <community>Thrall</community>
                <county code="45491" size="B">Williamson</county>
                <state>TX</state>
            </area>
        </areasServed>
    </headend>

【讨论】：

我认为你成功了。这正是我想要做的。但是，我对 PHP 并不十分熟悉，并且无法按照您的示例进行操作。你能再简化一点吗？如果您没有时间，我将继续尝试按原样理解它。感谢您的回复！我应付了你的例子。在主 php 文件中，我有 include('iterator.php');但是，我收到以下错误：致命错误：在 iterator.php 中找不到类“XMLElementIterator” 如何只使用父类XMLElementIterator而不创建新类？ @VinceKronlein：该类的改进变体可在 github 存储库中找到。将内部 XML 转换为 SimpleXML 已经可用（即使对于不那么兼容的旧 PHP/libxml 版本的回退），您可以只使用 new 关键字并将元素的名称传递到 XMLReader 对象旁边。 - github.com/hakre/XMLReaderIterator【参考方案2】：

编辑：哦，你想返回父块？一会儿。

这是一个将所有邮政编码提取到数组中的示例。

http://codepad.org/kHss4MdV

<?php

$string='<lineups country="USA">
 <headend headendId="TX02217">
  <name>Grande Gables at The Terrace</name>
  <mso msoId="17541">Grande Communications</mso>
  <marketIds>
   <marketId type="DMA">635</marketId>
  </marketIds>
  <postalCodes>
   <postalCode>11111</postalCode>
   <postalCode>22222</postalCode>
   <postalCode>33333</postalCode>
   <postalCode>78746</postalCode>
  </postalCodes>
  <location>Austin</location>
  <lineup>
   <station prgSvcId="20014">
    <chan effDate="2006-01-16" tier="1">002</chan>
   </station>
   <station prgSvcId="10722">
    <chan effDate="2006-01-16" tier="1">003</chan>
   </station>
  </lineup>
  <areasServed>
   <area>
    <community>Thorndale</community>
    <county code="45331" size="D">Milam</county>
    <state>TX</state>
   </area>
   <area>
    <community>Thrall</community>
    <county code="45491" size="B">Williamson</county>
    <state>TX</state>
   </area>
  </areasServed>
 </headend></lineups>';

$dom = new DOMDocument();
$dom->loadXML($string);

$xpath = new DOMXPath($dom);
$elements= $xpath->query('//lineups/headend/postalCodes/*[text()=78746]');

if (!is_null($elements)) 
  foreach ($elements as $element) 
    echo "<br/>[". $element->nodeName. "]";

    $nodes = $element->childNodes;
    foreach ($nodes as $node) 
      echo $node->nodeValue. "\n";

输出：

<br/>[postalCode]78746

【讨论】：

会像if(count($nodes)) echo $string; 一样简单，而不是 foreach 还是有更多？因为文件太大（可能是演出或更多），我认为解决它的最佳方法是使用 XMLReader 逐个节点。我无法预加载文件，因为它太大了。我不想像中包含的其他信息一样打印出邮政编码。我想查看一个块是否包含某个邮政编码，如果是，我想回显整个块。

以上是关于使用 PHP 和 XMLReader 解析 XML的主要内容，如果未能解决你的问题，请参考以下文章

使用 PHP XMLReader 检测 XML 自闭标签

PHP XMLReader 获取父节点？

使用 XMLreader 读取和解析大型 XML 文件。空值问题

让 PHP 的 XMLReader 不会在无效文档中抛出 php 错误

使用 XMLReader 解析大 XML 文件

XMLReader 是 SAX 解析器、DOM 解析器，还是两者都不是？