php - 如何在 PHP 中使用 Simplexml 解析有错误的 XML 文件？

Question

所以我在PHP中使用simplexml进行XML解析，但是我发现我需要解析的一些文件包含错误。当然，我可以手动编辑每个有问题的文件，但是在大约 10000 多个文件中，这将花费我永远。

好的，关于错误。当您尝试在浏览器中打开 XML 文件时，会显示以下消息:

Warning: simplexml_load_string(): Entity: line 2: parser error : Specification mandate value for attribute Inspection in ...

我找到了 ff。标签正在触发错误(此处:传输而不是检查):

<Public Transport Rules>
<PublicTransport id="0">
<Issued>null</Issued>
<Files>&lt;localfile&gt;
          &lt;location&gt;Citybus&lt;/location&gt;
          &lt;format&gt;Events&lt;/format&gt;
     &lt;/localfile&gt;
</Files>
</PublicTransport>
</Public Transport Rules>

标签内的空格显然是导致问题的原因。这些标签在文件中出现不止一次。

我认为 simplexml根据它在浏览器中看到的内容(表面值(value))进行解析，因此如果您的 XML 文件有问题，它将无法正常解析。我想通过读取源文件来进行 PHP 解析，也许可以从那里编辑文件。但似乎任何 fopens打开您在浏览器页面中阅读的内容。

被这个问题困住了一段时间。任何建议将不胜感激。

谢谢!

Answer 1

DOM 函数旨在处理无效标记，因此您可以尝试一下:

<?php

$string = '<?xml version="1.0" ?>
<Public Transport Rules>
    <PublicTransport id="0">
        <Issued>null</Issued>
        <Files>&lt;localfile&gt;
                  &lt;location&gt;Citybus&lt;/location&gt;
                  &lt;format&gt;Events&lt;/format&gt;
             &lt;/localfile&gt;
        </Files>
    </PublicTransport>
</Public>';

$dom = new DOMDocument;
libxml_use_internal_errors(TRUE);
$dom->loadHTML($string);
libxml_use_internal_errors(FALSE);
$dom->formatOutput = TRUE;

echo '::: Original XML :::' . PHP_EOL;
echo $string . PHP_EOL;
echo PHP_EOL;

echo '::: Fixed XML :::' . PHP_EOL;
if( version_compare(PHP_VERSION, '5.3.6', '>=') ){
    $body = $dom->documentElement->firstChild;
    if( $body->hasChildNodes() ){
        foreach($body->childNodes as $node){
            echo $dom->saveHTML($node);
        }
    }
}else{
    $body = $dom->getElementsByTagName('body')->item(0);
    if( $body->hasChildNodes() ){
        foreach($body->childNodes as $node){
            echo $dom->saveHTML($node);
        }
    }
}
echo PHP_EOL;

...打印这个:

::: Original XML :::
<?xml version="1.0" ?>
<Public Transport Rules>
    <PublicTransport id="0">
        <Issued>null</Issued>
        <Files>&lt;localfile&gt;
                  &lt;location&gt;Citybus&lt;/location&gt;
                  &lt;format&gt;Events&lt;/format&gt;
             &lt;/localfile&gt;
        </Files>
    </PublicTransport>
</Public>

::: Fixed XML :::
<public transport rules><publictransport id="0"><issued>null</issued><files>&lt;localfile&gt;
                  &lt;location&gt;Citybus&lt;/location&gt;
                  &lt;format&gt;Events&lt;/format&gt;
             &lt;/localfile&gt;
        </files></publictransport></public>

没有办法知道在这个过程中会丢失什么，但我们首先要处理无效数据。

无论如何，您始终可以使用 PHP 自动编辑每个有问题的文件。您的文件可能不是 XML，但它们确实是字符串 ;-)