在 PHP 中解析大型 XML 文件
2022-08-30 09:28:45
我正在尝试将DMOZ内容/结构XML文件解析为MySQL,但是所有现有的脚本都非常旧,不能很好地工作。如何在PHP中打开一个大(+ 1GB)XML文件进行解析?
我正在尝试将DMOZ内容/结构XML文件解析为MySQL,但是所有现有的脚本都非常旧,不能很好地工作。如何在PHP中打开一个大(+ 1GB)XML文件进行解析?
只有两个php API真正适合处理大文件。第一个是旧的expat api,第二个是较新的XMLreader函数。这些 api 读取连续流,而不是将整个树加载到内存中(这是 simplexml 和 DOM 所做的)。
例如,您可能希望查看 DMOZ 目录的以下部分解析器:
<?php
class SimpleDMOZParser
{
protected $_stack = array();
protected $_file = "";
protected $_parser = null;
protected $_currentId = "";
protected $_current = "";
public function __construct($file)
{
$this->_file = $file;
$this->_parser = xml_parser_create("UTF-8");
xml_set_object($this->_parser, $this);
xml_set_element_handler($this->_parser, "startTag", "endTag");
}
public function startTag($parser, $name, $attribs)
{
array_push($this->_stack, $this->_current);
if ($name == "TOPIC" && count($attribs)) {
$this->_currentId = $attribs["R:ID"];
}
if ($name == "LINK" && strpos($this->_currentId, "Top/Home/Consumer_Information/Electronics/") === 0) {
echo $attribs["R:RESOURCE"] . "\n";
}
$this->_current = $name;
}
public function endTag($parser, $name)
{
$this->_current = array_pop($this->_stack);
}
public function parse()
{
$fh = fopen($this->_file, "r");
if (!$fh) {
die("Epic fail!\n");
}
while (!feof($fh)) {
$data = fread($fh, 4096);
xml_parse($this->_parser, $data, feof($fh));
}
}
}
$parser = new SimpleDMOZParser("content.rdf.u8");
$parser->parse();
这是一个与在PHP中处理大型XML的最佳方法非常相似的问题,但是对于DMOZ目录解析的特定问题,有一个非常好的特定答案。但是,由于这对于大型XML来说是一个很好的Google命中,因此我也会从另一个问题中重新发布我的答案:
我对此的看法:
https://github.com/prewk/XmlStreamer
一个简单的类,它将在流式传输文件时将所有子级提取到 XML 根元素。在 pubmed.com 的 108 MB XML 文件上测试。
class SimpleXmlStreamer extends XmlStreamer {
public function processNode($xmlString, $elementName, $nodeIndex) {
$xml = simplexml_load_string($xmlString);
// Do something with your SimpleXML object
return true;
}
}
$streamer = new SimpleXmlStreamer("myLargeXmlFile.xml");
$streamer->parse();