PHP Simplexml_Load_File 失败答案

【问题标题】：PHP Simplexml_Load_File failsPHP Simplexml_Load_File 失败
【发布时间】：2012-12-29 23:18:58
【问题描述】：

我已经成功地获得了 xml 格式的 pubmed 结果页面并将内容写入本地文件“Publications.xml”。问题是当我使用 simplexml_load_file("Publications.xml") 时，它失败了。无法弄清楚为什么。

<?php
$feed = 'http://www.ncbi.nlm.nih.gov/pubmed?term=carl&sort=pubdate&report=xml';
$local = 'Publications.xml';
$curtime = time();
$filemodtime;
if( (!file_exists($local)) || (time() - filemtime($local)) > 86400 )
{
    $contents = file_get_contents($feed);
    $fp = fopen($local,"w");
    fwrite($fp, $contents);
    fclose($fp);
}
$xml = simplexml_load_file($local) or ("Can't");
?>

在最后但第二行解析器失败，我收到消息“不能”。我仔细检查了 xml 文件，它看起来状态良好。

如果有人可以告诉我有关此解决方法的任何解决方法，我将不胜感激。这是上面 PHP 脚本尝试读取的 xml 文件的副本 (http://pastebin.com/U0fEKmZL)：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<pre>
&lt;PubmedArticle&gt;
    &lt;MedlineCitation Status="Publisher" Owner="NLM"&gt;
        &lt;PMID Version="1"&gt;23314841&lt;/PMID&gt;
        &lt;DateCreated&gt;
            &lt;Year&gt;2013&lt;/Year&gt;
            &lt;Month&gt;1&lt;/Month&gt;
            &lt;Day&gt;14&lt;/Day&gt;
        &lt;/DateCreated&gt;
        &lt;Article PubModel="Print-Electronic"&gt;
            &lt;Journal&gt;
                &lt;ISSN IssnType="Electronic"&gt;1432-0932&lt;/ISSN&gt;
                &lt;JournalIssue CitedMedium="Internet"&gt;
                    &lt;PubDate&gt;
                        &lt;Year&gt;2013&lt;/Year&gt;
                        &lt;Month&gt;Jan&lt;/Month&gt;
                        &lt;Day&gt;12&lt;/Day&gt;
                    &lt;/PubDate&gt;

 ... (too long, see link)

【问题讨论】：

如果我复制 xml 数据，这里总是会出错：....（第 1 组）。 5Â ---> 之后可能是“Â”的问题吗？ ...也许在 xml 文件中使用 cdata 区域会很有用？

标签： php xml simplexml ncbi

【解决方案1】：

试试 urlencoding。

注意：

Libxml 2 取消转义 URI，所以如果你想传递例如b&c 作为 URI 参数a，你必须调用 simplexml_load_file(rawurlencode('http://example.com/?a=' . urlencode('b&c')))。自 PHP 5.1.0 起，您不需要这样做，因为 PHP 会为你做这件事。

simplexml_load_file

【讨论】：

您好，感谢您的回复。我要读取的 XML 文件已经存在。它有内容但无法读取.. pastebin 链接显示文件的副本。两种方式（直接从链接读取 XML 和从 Publications.XML 读取都行不通。顺便说一句，我使用的是 php 5.4.7 ..

【解决方案2】：

出于某种原因，发布服务器将整个 XML 文件作为 HTML 文件返回，其中包含一个包含 XML 的 <pre> 标记。它还包含多个 XML 片段（有几个 <PubmedArticle> 元素并且它们周围没有容器）。显然，这是为了由一些古怪的自定义代码来处理。

您可以通过调用 SimpleXML 两次来“解包”XML，如下所示：

$outer_xml = simplexml_load_file($local);
$inner_xml = simplexml_load_string('<dummyContainer>' . (string)$outer_xml . '</dummyContainer>');
foreach ( $inner_xml->PubmedArticle as $article )
{
    // etc
}

解释一下：

外部“XML 文档”是 HTML，它有一个外部元素 <pre>
将其转换为字符串（为了清晰和良好的习惯，我已经明确地使用(string) 完成）将为您提供该<pre> 标记的内容，即所有<PubmedArticle> 元素
将该内容包装在 <dummyElement> 标记中将为您提供一个有效的 XML 文档，其中每个 <PubmedArticle> 元素都作为文档中的顶级子元素

【讨论】：

@Sasanka 如果这回答了您的问题，请将其标记为“已接受”，以便将问题列为已回答。
以下问题也与发布相关，关于在某些 HTML 中包含 XML，在这种情况下甚至以更微妙的方式：extract xml from xml embebed in html - 只是将它留在这里进行交叉引用，因为我偶然发现记住了。