如何使用PHP解析XML大文件

如果想使用 PHP 解析 XML 的话，那么有如下多种选择： Expat 、 DOM 、 SAX 、 PULL 。其中比较常用的是 DOM、SAX、PULL。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，SAX 和 PULL 属于流式解析，可以边加载边解析，至于这二者的区别，SAX 相对简单，不需要自定义什么，而 PULL 相对复杂，可以自定义解析整个过程。

下面我以工作中遇到的一个解析自百万行 XML 的例子来对比一下 SAX 和 PULL 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 SAX 的话怎么搞：

<?php

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

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

?>

在看看用 PULL 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，PULL 的效率是 SAX 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 SAX 和 PULL 是合理的选择，具体到这两者的话，对效率不是特别敏感的话，建议选择 SAX，因为它用起来更简单，否则选择 PULL。