如何使用 XMLReader 读取具有未定义命名空间的 XML 文件？

Question

我对解析 XML 文件比较陌生，我正在尝试使用 XMLReader 读取大型 XML 文件。

<?xml version="1.0" encoding="UTF-8"?>
<ShowVehicleRemarketing environment="Production" lang="en-CA" release="8.1-Lite" xsi:schemaLocation="http://www.starstandards.org/STAR /STAR/Rev4.2.4/BODs/Standalone/ShowVehicleRemarketing.xsd">
  <ApplicationArea>
    <Sender>
      <Component>Component</Component>
      <Task>Task</Task>
      <ReferenceId>w5/cron</ReferenceId>
      <CreatorNameCode>CreatorNameCode</CreatorNameCode>
      <SenderNameCode>SenderNameCode</SenderNameCode>
      <SenderURI>http://www.example.com</SenderURI>
      <Language>en-CA</Language>
      <ServiceId>ServiceId</ServiceId>
    </Sender>
    <CreationDateTime>CreationDateTime</CreationDateTime>
    <Destination>
      <DestinationNameCode>example</DestinationNameCode>
    </Destination>
  </ApplicationArea>
...

我收到以下错误

ErrorException [警告]: XMLReader::read() [xmlreader.read]: compress.zlib://D:/WebDev/example/local/public/../upload/example.xml.gz:2:命名空间错误：未定义 ShowVehicleRemarketing 上 schemaLocation 的命名空间前缀 xsi

我已经四处搜索，找不到太多有用的信息来使用 XMLReader 读取带有命名空间的 XML 文件——如果这实际上是我需要做的，我将如何定义命名空间.. 帮助不大?相关资源的链接？

Answer 1

需要定义xsi 命名空间。例如

<ShowVehicleRemarketing
  environment="Production"
  lang="en-CA"
  release="8.1-Lite"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://www.starstandards.org/STAR/STAR/Rev4.2.4/BODs/Standalone/ShowVehicleRemarketing.xsd"
>

---

更新：您可以 write a user defined filter 然后让 XMLReader use that filter，类似：

stream_filter_register('darn', 'DarnFilter');
$src = 'php://filter/read=darn/resource=compress.zlib://something.xml.gz';
$reader->open($src);

compress.zlib 包装器读取的内容然后通过 DarnFilter “路由”，该过滤器必须找到可以插入 xmlns:xsi 声明的（第一个）位置。但这很混乱，需要一些负担才能正确完成（例如，理论上存储桶 A 可以包含 xs、存储桶 B i:schem 和存储桶 C aLocation="）

---

更新 2：这是 php 中插入 xsi 命名空间声明的过滤器的临时示例。大部分未经测试（与我运行的一项测试一起工作;-)）并且没有记录。将其视为概念验证而非生产代码。

<?php
stream_filter_register('darn', 'DarnFilter');
$src = 'php://filter/read=darn/resource=compress.zlib://d:/test.xml.gz';

$r = new XMLReader;
$r->open($src);
while($r->read()) {
  echo '.';
}

class DarnFilter extends php_user_filter {
  protected $buffer='';
  protected $status = PSFS_FEED_ME;

  public function filter($in, $out, &$consumed, $closing)
  {
    while ( $bucket = stream_bucket_make_writeable($in) ) {
      $consumed += $bucket->datalen;
      if ( PSFS_PASS_ON == $this->status ) {
        // we're already done, just copy the content
        stream_bucket_append($out, $bucket);
      }
      else {
        $this->buffer .= $bucket->data;
        if ( $this->foo() ) {
          // first element found
          // send the current buffer          
          $bucket->data = $this->buffer;
          $bucket->datalen = strlen($bucket->data);
          stream_bucket_append($out, $bucket);
          $this->buffer = null;
          // no need for further processing
          $this->status = PSFS_PASS_ON;
        }
      }
    }
    return $this->status;
  }

  /* looks for the first (root) element in $this->buffer
  *  if it doesn't contain a xsi namespace decl inserts it
  */
  protected function foo() {
    $rc = false;
    if ( preg_match('!<([^?>\s]+)\s?([^>]*)>!', $this->buffer, $m, PREG_OFFSET_CAPTURE) ) {
      $rc = true;
      if ( false===strpos($m[2][0], 'xmlns:xsi') ) {
        echo ' inserting xsi decl ';
        $in = '<'.$m[1][0]
          . ' xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" '
          . $m[2][0] . '>';    
        $this->buffer = substr($this->buffer, 0, $m[0][1])
          . $in
          . substr($this->buffer, $m[0][1] + strlen($m[0][0]));
      }
    }
    return $rc;
  }
}

---

更新 3：这是一个用 C# 编写的临时解决方案

XmlNamespaceManager nsmgr = new XmlNamespaceManager(new NameTable());
// prime the XMLReader with the xsi namespace
nsmgr.AddNamespace("xsi", "http://www.w3.org/2001/XMLSchema-instance");

using ( XmlReader reader = XmlTextReader.Create(
  new GZipStream(new FileStream(@"\test.xml.gz", FileMode.Open, FileAccess.Read), CompressionMode.Decompress),
  new XmlReaderSettings(),
  new XmlParserContext(null, nsmgr, null, XmlSpace.None)
)) {
  while (reader.Read())
  {
    System.Console.Write('.');
  }
}

Answer 2

您可以在将 XML 传递给 XMLReader 之前将其 file_get_contents 和 str_replace。

为 xsi 前缀插入所需的命名空间声明：

$reader = new XMLReader;
$reader->xml(str_replace(
    '<ShowVehicleRemarketing',
    '<ShowVehicleRemarketing xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"',
    file_get_contents('http://example.com/data.xml')));

另一种选择是删除schemaLocation 属性：

$reader->xml(str_replace(
    'xsi:schemaLocation="http://www.starstandards.org/STAR /STAR/Rev4.2.4/BODs/Standalone/ShowVehicleRemarketing.xsd"',
    '',
    file_get_contents('http://example.com/data.xml')));

但是，如果文档中有更多前缀，则必须全部替换。

Answer 3

要么修复任何写出格式错误的 XML，要么编写一个单独的工具来稍后执行修复。 （它不一定必须同时将所有数据读入内存 - 将数据流入/流出，可能一次读取和写入一行。）

这样您的阅读代码就不必担心尝试对数据做一些有用的事情并同时修复它。

Answer 4

xsi 命名空间通常保留用于Schema Instance Namespace：

xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance'

如果不是，则您的 XML 文件不符合 XML+NS 且无法解析。所以你应该在源文档中解决这个问题。

关于 xsi 的说明：它比一些可能的其他命名空间更重要，因为它会将验证解析器引导到 XML 架构的正确架构位置。