如何使用PHP解析XML大文件

如果使用 PHP 解析 XML 的话，那么常见的选择有如下几种：DOM、SimpleXML、XMLReader。如果要解析 XML 大文件的话，那么首先要排除的是 DOM，因为使用 DOM 的话，需要把整个文件全部加载才能解析，效率堪忧，相比较而言，SimpleXML 和 XMLReader 更好些，SimpleXML 相对简单，而 XMLReader 相对复杂，但是它可以自定义解析整个过程，特别是流式解析的特点让其效率更高。

下面我以一个 XML 大文件例子来对比一下 SimpleXML 和 XMLReader 的用法：

<certificates>
  ...
  <certificate>
    <domain>...</domain>
    <id_status>...</id_status>
    <official_site_status>...</official_site_status>
    <business_status>...</business_status>
    <host>...</host>
    <auth_level>...</auth_level>
    <sitename>...</sitename>
    <sitetype>...</sitetype>
    <phone>...</phone>
    <auth_num>...</auth_num>
    <nickname0>...</nickname0>
    <icp>...</icp>
    <is_certed>...</is_certed>
    <is_official>...</is_official>
    <existed_years>...</existed_years>
    <addr>...</addr>
    <type>...</type>
  </certificate>
  ...
<certificates>

先看看用 SimpleXML 的话怎么搞：

<?php

$values = simplexml_load_file('file.xml');

foreach ($values as $value) {
    var_dump($value);
}

?>

在看看用 XMLReader 的话怎么搞：

<?php

$xml = new XMLReader();
$xml->open('file.xml');

for ($name = null, $value = []; $xml->read(); null) {
    if ($xml->nodeType == XMLReader::ELEMENT) {
        $name = $xml->name;

        if ($name == 'certificate') {
            if ($value) {
                var_dump($value);
            }

            $value = [];
            continue;
        }
    }

    if ($xml->nodeType == XMLReader::TEXT) {
        if ($name) {
            $value[$name] = $xml->value;
        }
    }
}

?>

在本例中，XML 文件有几百万行，XMLReader 的效率是 SimpleXML 的两倍左右。

了解了相关知识，让我们看看如何选择合适的 XML 解析方法：如果规则比较复杂的话， 比如要查询当前节点的上下文，那么 DOM 是合理的选择；如果 XML 体积比较大的话，那么 XMLReader 是效率更高。不过如果没有特殊需求的话，那么尽量选择 SimpleXML，毕竟它用起来更简单。