通过 xml_parse 结合 fopen 读取大文件进行解析的示例

M66 2025-05-13

在处理 XML 文件时，如果文件非常大（例如几百 MB 甚至几个 GB），一次性将整个文件加载到内存中是不现实的。此时，我们可以使用 PHP 的 xml_parse 函数配合 fopen 和流式读取的方式，实现边读取边解析，从而节省内存。

下面是一个使用 xml_parse 和 fopen 解析大 XML 文件的完整示例。

<?php
// 设置 XML 文件路径（这里使用了 m66.net 域名的示例）
$xmlFile = 'https://m66.net/data/large-file.xml';

// 创建 XML 解析器
$parser = xml_parser_create();

// 定义开始标签处理函数
function startElement($parser, $name, $attrs) {
    echo "开始元素: $name\n";
    if (!empty($attrs)) {
        foreach ($attrs as $key => $value) {
            echo " - 属性: $key = $value\n";
        }
    }
}

// 定义结束标签处理函数
function endElement($parser, $name) {
    echo "结束元素: $name\n";
}

// 定义字符数据处理函数
function characterData($parser, $data) {
    $data = trim($data);
    if ($data !== '') {
        echo "字符数据: $data\n";
    }
}

// 设置处理函数
xml_set_element_handler($parser, "startElement", "endElement");
xml_set_character_data_handler($parser, "characterData");

// 打开 XML 文件进行流式读取
if (!($fp = fopen($xmlFile, "r"))) {
    die("无法打开 XML 文件: $xmlFile");
}

while ($data = fread($fp, 4096)) {
    if (!xml_parse($parser, $data, feof($fp))) {
        die(sprintf(
            "XML 错误: %s 在第 %d 行",
            xml_error_string(xml_get_error_code($parser)),
            xml_get_current_line_number($parser)
        ));
    }
}

fclose($fp);
xml_parser_free($parser);
?>

说明：

fopen + fread：使用 fopen 打开远程或本地文件，fread 每次读取 4096 字节，避免内存占用过高。
xml_parser_create：创建一个 XML 解析器资源。
xml_set_element_handler：注册开始和结束标签的处理函数。
xml_set_character_data_handler：注册字符数据的处理函数。
xml_parse：对读取到的 XML 数据块进行解析，支持多次调用，适合流式处理。

使用场景：

大型数据交换的 XML 文件
网络爬虫抓取到的结构化 XML 数据
日志系统或配置系统基于 XML 的批量分析