提问人：Jenemj 提问时间：6/26/2023 最后编辑：Jenemj 更新时间：6/28/2023 访问量：235
PHP XMLReader 解析器错误：xmlParseCharRef：无效的 xmlChar 值
PHP XMLReader parser error : xmlParseCharRef: invalid xmlChar value
问：
我正在解析一个非常大的 Xml 文件，所以我需要使用 PHP 的 XMLReader。 无法从源头修改它们。因此，它们必须按原样进行解析。 问题在于文档包含 html 字符“&#”，读者将其检测为无效。
$reader = new XMLReader();
if (!$reader->open($fileNamePath))//File xml
{
echo "Error opening file: $fileNamePath".PHP_EOL;
continue;
}
echo "Processing file: $file".PHP_EOL;
while($reader->read())
{
if ($reader->nodeType == XMLReader::ELEMENT && $reader->name == 'AIUTO')
{
try {
$input =$reader->readOuterXML();
$nodeAiuto = new SimpleXMLElement($input);
}
catch(Exception $e)
{
echo "Error Node AIUTO ".$e->getMessage().PHP_EOL;
continue;
}
//Do stuff here
}
}
$reader->close();
我收到很多这样的消息：
PHP 警告：XMLReader：：readOuterXml（）：myfile.xml：162：解析器错误：xmlParseCharRef：无效的 xmlChar 值 2... Errore Nodo AIUTO 字符串无法解析为 XML
显然，该文件包含序列 .
以下是一些导致错误的XML文件代码：
<AIUTO><BASE_GIURIDICA_NAZIONALE>Quadro riepilogativo delle misure a sostegno delle imprese attive nei settori agricolo, forestale, della pesca
e acquacoltura ai sensi della Comunicazione della Commissione europea C (2020) 1863 final – “Quadro
temporaneo per le misure di aiuto di Stato a sostegno dell’economia nell’attuale emergenza del COVID19” e successive modifiche e integrazioni</BASE_GIURIDICA_NAZIONALE></AIUTO>
我想将每个文件逐行解析为文本，并替换无效的序列。
但这有点棘手。 有人有更好的解决方案吗？
答：
-1赞
Alessandro
6/26/2023
#1
在那里有一个 xml 文件，我发现最好的解决方法是将字符串替换为什么都没有：
$xml= str_replace('YOUR STIRNG',NULL,$xml);
如果无法删除 xml 中的数据，可以尝试解析 xml，然后使用以下命令循环每个数据：
$xml= simplexml_load_file('file.xml');
foreach($xml as $object){
your code...
}
评论
0赞
Jenemj
6/26/2023
我不能对整个文件使用 simplexml...它太大了。
0赞
Alessandro
6/26/2023
那么str_replace（）呢？
0赞
Jenemj
6/28/2023
关键是，在我对错误的字符串执行任何操作之前，在 $reader->readOuterXML（） 行上引发了错误。使用 str_replace（） 的唯一方法是将 before 文件解析为文本。
0赞
Alessandro
6/28/2023
当然，您需要在传递给读取器之前修改字符串。将文本加载到变量中，然后执行并将结果传递给读取器。$string=file_get_contents($file)str_replace
0赞
Jenemj
6/29/2023
是的，但是由于与simpleXml相同的原因，file_get_contents（）不能使用：我的XML很大。你的想法是对的，但我不得不一行一行地做同样的事情。
0赞
Casimir et Hippolyte
6/27/2023
#2
您可以做的是构建一个自定义流过滤器，您可以在其中继续进行所需的所有修复。这样，您可以继续使用 XMLReader 将文件作为流读取，而无需一次加载完整内容。
class fix_entities_filter extends php_user_filter
{
function filter($in, $out, &$consumed, $closing): int
{
while ($bucket = stream_bucket_make_writeable($in)) {
$bucket->data = $this->fix($bucket->data);
$consumed += $bucket->datalen;
stream_bucket_append($out, $bucket);
}
return PSFS_PASS_ON;
}
function fix($data)
{
return strtr($data, ['' => ' ']);
}
}
stream_filter_register("fix_entities", "fix_entities_filter")
or die("Failed to register filter");
$file = 'file.xml';
$fileNamePath = "/path/to/your/$file";
$path = "php://filter/read=fix_entities/resource=$fileNamePath";
$reader = new XMLReader();
if (!$reader->open($path)) {
echo "Error opening file: $fileNamePath", PHP_EOL;
}
您可以在 PHP 手册和“Josh Lockhart - O'Reilly 的现代 PHP”一书中找到有关流过滤器的更多信息。
评论
0赞
Jenemj
6/28/2023
在 PHP 中，低于 8 会抛出声明警告。但解决方案的真正问题是，它输出整个文件。千兆文本...并且需要大量时间来处理文件。
0赞
Casimir et Hippolyte
6/30/2023
@Jenemj：为了避免旧 PHP 版本的警告，请删除（这是 PHP 8 的强制性要求，以避免警告）。这个解决方案，与你似乎认为的相反，不加载整个文件，而只加载 8192 字节的“桶”，所以使用的内存将是荒谬的。: int
0赞
Jenemj
6/30/2023
我没有说这个解决方案加载整个文件，只是它输出它......
0赞
Casimir et Hippolyte
7/1/2023
@Jenemj：它不会“输出文件”，我在演示中为新创建的simpleXML对象添加了一个only，并且仅在演示中添加了一个only，以显示发生了什么（奇怪的是你没有注意到这一点）。此外，此解决方案的速度大约快 2 倍。var_dump()
0赞
Casimir et Hippolyte
7/1/2023
@Jenemj：在处理文件之前，您是否可以使用gzip压缩文件？
-1赞
Jenemj
6/28/2023
#3
现在等待一个更清洁的工作解决方案，我用了我的“肮脏的想法”。
我创建了一个临时 xml，逐行删除导致错误的序列。
这是有效的：
$fileNamePath = "/path/to/your/file.xml";
$fileNamePathTmp = "/path/to/your/tmp.xml"
$handle = fopen($fileNamePath, "r");
$handle2 = fopen($fileNamePathTmp, "w");
if ($handle) {
while (($line = fgets($handle)) !== false) {
$line2=str_replace(array("","","",""),"",$line);
fputs($handle2,$line2);
}
fclose($handle);
fclose($handle2);
}
$reader = new XMLReader();
if (!$reader->open($fileNamePathTmp))//File xml tmp
{
echo "Error opening file: $fileNamePath".PHP_EOL;
continue;
}
echo "Processing file: $file".PHP_EOL;
while($reader->read())
{
if ($reader->nodeType == XMLReader::ELEMENT && $reader->name == 'AIUTO')
{
try {
$input =$reader->readOuterXML();
$nodeAiuto = new SimpleXMLElement($input);
}
catch(Exception $e)
{
echo "Error Node AIUTO ".$e->getMessage().PHP_EOL;
continue;
}
//Do stuff here
}
}
$reader->close();
unlink($fileNamePathTmp);//Remove the temp xml
评论