PHP - SimpleXML 解析错误

Question

请参阅底部的编辑以显示更准确的错误输出

我第一次使用 SimpleXML 用 PHP 解析较大的 (~15MB) XML 文件。这些文件是航班搜索结果，因此它们具有很长的属性（链接回 Kayak；示例：
“/book/flightcode=1238917408.NxJI6G.0.F.ORBITZAIR,ORBITZAIR.0.f36f1ea92513977249aa695112410052&sid=26-Vu01v7ilzhSAjPVLZ3Ul”

SimpleXML 在解析时抛出此错误：

“Entity: line 1 0：解析器错误:EntityRef: 期待 ';'在”然后；

“38917408.NxJI6G.0.F.ORBITZAIR,ORBITZAIR.0.f36f1ea92513977249aa695112410052&sid” 进而;

对于包含这些 url 的每一行，“simplexml_load_string() [function.simplexml-load-string]: ^ in,”

等等。

我在 php.net 上发现了 SimpleXML 不喜欢长属性的提及，但没有解决方案。我宁愿现在只使用和学习 SimpleXML，如果有一个不卡顿、稍微简单的解决方法，就可以解决这个错误。

有人有解决办法吗？提前致谢！

我尝试输入 XML 的前 13 行，但它只输出没有 XML 的信息，所以......如果有帮助的话，我可以这样做。我不确定使用其他解析器/扩展是否会降低功能或易用性，但如果没有解决方法，请随时建议另一个解析器/扩展（我可能正在考虑 DOM 或 XMLReader）。

以下编辑包括更少的掺杂错误输出：

http://dl.dropbox.com/u/ 10206237/stack_overflow_xml.xml

错误 1：

simplexml_load_string() [<a href='function.simplexml-load-string'>function.simplexml-load-string</a>]: Entity: line 10: parser error : EntityRef: expecting ';' in 

错误 2：（我认为 XML 很好，因为它可以与使用 DOM 的 Python 脚本一起使用；我将其转换为 PHP，因为我不懂 Python）。我不知道浏览器中的输出会有所不同。感谢您的耐心等待。）

<a href='function.simplexml-load-string'>function.simplexml-load-string</a>]: 38917408.Pt8rW8.0.F.ORBITZAIR,ORBITZAIR.0.f36f1ea92513977249aa695112410052&amp;_sid_ in 

错误 3：（

function.simplexml-load-string</a>]:                                                                                ^ in     

所有这些空格都在那里）

Answer 1

正如其他答案和评论中提到的，您的源 XML 已损坏，并且 XML 解析器应该拒绝无效输入。 libxml 有一个“恢复”模式，可以让您加载这个损坏的 XML，但您会丢失“&sid”部分，因此它没有帮助。

如果你很幸运并且喜欢冒险，你可以尝试通过某种方式修复输入来使其发挥作用。您可以使用一些字符串替换来转义看起来像在 URL 的查询部分中的 & 符号。

$xml = file_get_contents('broken.xml');
// replace '&' followed by a bunch of letters, numbers
// and underscores and an equal sign with &
$xml = preg_replace('#&(?=[a-z_0-9]+=)#', '&', $xml);
$sxe = simplexml_load_string($xml);

当然，这只是只不过是一种黑客，解决您的情况的唯一好方法是要求您的 XML 提供商修复他们的生成器。因为如果它生成损坏的 XML，谁知道还会有哪些其他错误被忽视呢？

Answer 2

达里尔在上面的评论中对于为什么会发生这种情况有正确的答案。解决此问题的一种方法是执行 str_replace() 来替换所有 '&'带有 '&' 的 & 符号在 XML 中。根据 PHP 手册，您还可以使用此正则表达式将 & 符号替换为其实体：

$s = preg_replace('/&[^; ]{0,6}.?/e', "((substr('\\0',-1) == ';') ? '\\0' : '&'.substr('\\0',1))", 

Answer 3

也许解析的 xml 文件对于解析器来说太大了。但是您可以尝试将 LIBXML_PARSEHUGE 作为选项传递 - 这对我的情况有帮助。

Answer 4

我在使用 13MB 文件时遇到了这个问题，并通过包含 LIBXML_PARSEHUGE 参数解决了该问题：

$xml = new SimpleXMLElement($contents, LIBXML_PARSEHUGE);

注意：在 1GB 下使用 ini_set 并没有解决我的问题，因为 PARSED 内容占用的内容比这个多。

更激进的方法是使用其他库来流式传输而不是加载整个文件（SAX 解析器与 DOM 解析器），例如 XML Streamer< /a>