使用 XMLReader 读取子节点

Question

我正在尝试编写一个 XMLReader/SimpleXML 混合函数来读取一个非常大 (700MB) 的 XML 文件。 XML 格式如下：

<Items>
    <Item>
         <ItemKey>ABCDEF123</ItemKey>
         <Name>
             <English>An Item Name</English>
             <German>An Item Name In German</German>
             <French>An Item Name In French</French>
         </Name>
         <Description>
             <English>An Item Description</English>
             <German>An Item Description In German</German>
             <French>An Item Description In French</French>
         </Description>
    </Item>
    <Item>
         <ItemKey>GHIJKL456</ItemKey>
         <Name>
             <English>Another Item Name</English>
             <German>Another Item Name In German</German>
             <French>Another Item Name In French</French>
         </Name>
         <Description>
             <English>Another Item Description</English>
             <German>Another Item Description In German</German>
             <French>Another Item Description In French</French>
         </Description>
    </Item>
</Items>

到目前为止我为此编写的代码：

$xml = new XMLReader();
if(!$xml->open('testitems.xml')){
    die('Failed to open file!');
} else {
    echo 'File opened';
}

$items = array();

while ($xml->read()){
    if($xml->nodeType == XMLReader::ELEMENT){
        if ($xml->name == 'Item'){
            $item = array();
        }

        if ($xml->name == 'ItemKey'){
            $xml->read();
            $item['itemKey'] = $xml->value;
        }
        if ($xml->name == 'Name'){
            $sxml = new SimpleXMLElement($xml->readOuterXml());
            $englishName = $sxml->English;
            $item['englishName'] = $englishName;
        }
    }
    if($xml->nodeType == XMLReader::END_ELEMENT){
        if ($xml->name == 'Item'){
            $items[] = $item;
        }
    }
}
var_dump($items);
$xml->close();

但是，当 ItemKey 节点值被插入到数组中时，英文名称不是，我似乎无法正确访问该节点。我只会将 XMLReader 用于所有内容，但由于从我的谷歌搜索中重复出现英文节点（一个用于名称，另一个用于描述），到目前为止 SimpleXML 似乎是前进的方向，但还没有乐趣。

有什么建议吗？有什么好的指南吗？与许多其他 PHP 功能相比，php.net 上的 XMLReader 文档严重缺乏，而且通常似乎很难找到清晰简洁的详细指南。

Answer 1

如果您仍然可以构建该数组，那么您的 XML 文件可能不会那么大 :)。例如，尝试使用 simplexml 加载整个文件，您可能会惊讶于它不会消耗那么多内存。

无论如何，如果您仍想使用 XMLReader，我经常建议使用我的 XMLReader Iterator library，它能够遍历 XMLReader 以访问元素、子元素并执行诸如将片段转换为 SimpleXMLElements 之类的操作。

以下是与您上面的示例几乎相同的示例：

require('xmlreader-iterators.php'); // https://github.com/hakre/XMLReaderIterator/tree/master/build/include

$xmlFile = "xmlreader-17262798.xml";

$reader = new XMLReader();
$reader->open($xmlFile);

/* @var $itemIterator XMLReaderNode[] */
$itemIterator = new XMLElementIterator($reader, 'Item');

$items = array();

foreach ($itemIterator as $item) {
    $xml     = $item->asSimpleXML();
    $items[] = array(
        'itemKey'     => (string)$xml->ItemKey,
        'englishName' => (string)$xml->Name->English,
    );
}

当您在演示数据上运行它时，生成的 $items 数组是：

Array
(
    [0] => Array
        (
            [itemKey] => ABCDEF123
            [englishName] => An Item Name
        )

    [1] => Array
        (
            [itemKey] => GHIJKL456
            [englishName] => Another Item Name
        )

)

从技术上讲，您不需要使用该库，它只在XMLReader 上运行，因此它不会改变XMLReader 的工作方式。这是一个附加组件。

为什么它在您的特定情况下不起作用很难说，您的代码确实在我的计算机上完美运行：

Array
(
    [0] => Array
        (
            [itemKey] => ABCDEF123
            [englishName] => SimpleXMLElement Object
                (
                    [0] => An Item Name
                )

        )

    [1] => Array
        (
            [itemKey] => GHIJKL456
            [englishName] => SimpleXMLElement Object
                (
                    [0] => Another Item Name
                )

        )

)

正如$items（您的代码）的print_r 输出所示，englishName 键设置为 simplexml 元素。您可能想像我在示例中所做的那样将它们转换为字符串（这两个(string) 部分）以在其中使用字符串而不是 SimpleXMLElements，这可能是您的问题。如果没有，请检查您的 libxml 版本：

var_dump(LIBXML_DOTTED_VERSION); # string(5) "2.7.8"

并报告回来（即库XMLReader 是基于）。同时调试您的 SimpleXMLElement (var_dump($sxml->asXML());)，以便检查预期的 XML 是否已加载。

顺便说一句，我建议的图书馆。如果您想快速尝试，还附带a single include file。

上次我建议图书馆在：

• XML Parsing - Unable to retrieve value of node

---

编辑： 一个额外的混合版本，没有显示使用 next() 的库，这在您总是迭代同名的兄弟姐妹时很有用：<Item>：

$xmlFile = "xmlreader-17262798.xml";

$reader = new XMLReader();
$reader->open($xmlFile);

$reader->read() && $reader->read(); // init and position onto first element

$items = array();
while ($reader->next('Item')) {
    $node = new SimpleXMLElement($reader->readOuterXML());

    $items[] = array(
        'itemkey'     => $node->ItemKey,
        'englishName' => $node->Name->English,
        'englishDesc' => $node->Description->English,
    );
}

Answer 2

没关系，想通了。对于其他陷入困境的人：

$xml = new XMLReader();
if(!$xml->open('Items.xml')){
    die('Failed to open file!');
} else {
    echo 'File opened';
}

$items = array();

while ($xml->read() && $xml->name !== "Item");
while ($xml->name === "Item") {
    $item = array();
    $node = new SimpleXMLElement($xml->readOuterXML());
    $item['itemkey'] = $node->ItemKey;
    $item['englishName'] = $node->Name->English;
    $item['englishDesc'] = $node->Description->English;
    $items[] = $item;
}