大文件上的simplexml_load_string错误发生在一个系统上,而不是另一个系统上

2022-08-31 00:30:28

我正在处理一个我无法编辑的第三方PHP库,它已经运行了将近一年。它使用来自远程服务器的响应。最近,它一直在大反响上窒息。这是房地产列表的数据馈送,格式如下所示:simplexml_load_string

<?xml version="1.0"?>
<RETS ReplyCode="0" ReplyText="Operation Successful Reference ID: 9bac803e-b507-49b7-ac7c-d8e8e3f3aa89">
<COUNT Records="9506" />
<DELIMITER value="09" />
<COLUMNS>   sysid   1   2   3   4   5   6   </COLUMNS>
<DATA>  252370080   Residential 0.160   No  ADDR0   06051</DATA>
<DATA>  252370081   Residential 0.440   Yes ADDR0   06043</DATA>
<DATA>  252370082   Residential 1.010   No  ADDR0   06023</DATA>
<DATA>More tab delimited text</DATA>
<!-- snip 9000+ lines -->
</RETS>

我下载了一个响应的示例文件(大约22MB),这就是我最终进行调试和理智的地方。两台服务器都运行 PHP V5.3.8,但请注意不同的结果。我尽可能确定两个文件是相同的(我想不同的文件大小,strlen和最后50个字符可以通过具有额外回车符的Windows换行符来解释)。测试脚本:

error_reporting(-1);
ini_set('display_errors', 1);
$file = 'error-example.xml';
$xml = file_get_contents($file);

echo 'filesize:              ';
var_dump(filesize($file));

echo 'strlen:                ';
var_dump(strlen($xml));

echo 'simplexml object?      ';
var_dump(is_object(simplexml_load_string($xml)));

echo 'Last 50 characters:    ';
var_dump(substr($xml, -50));

在 Windows 上本地输出:

filesize:              int(21893604)
strlen:                int(21893604)
simplexml object?      bool(true)
Last 50 characters:    string(50) "RD DR    CT  Watertown   203-555-5555            </DATA>
</RETS>"

远程 UNIX 服务器上的输出:

filesize:              int(21884093)
strlen:                int(21884093)
simplexml object?      
Warning: simplexml_load_string(): Entity: line 9511: parser error : internal error in /path/to/test.php on line 19

Warning: simplexml_load_string(): AULTED CEILING IN FOYER, BRICK FP IN FR, NEW FLOORING IN LR DR FR FOYER KITCHEN  in /path/to/test.php on line 19

Warning: simplexml_load_string():                                                                                ^ in /path/to/test.php on line 19

Warning: simplexml_load_string(): Entity: line 9511: parser error : Extra content at the end of the document in /path/to/test.php on line 19

Warning: simplexml_load_string(): AULTED CEILING IN FOYER, BRICK FP IN FR, NEW FLOORING IN LR DR FR FOYER KITCHEN  in /path/to/test.php on line 19

Warning: simplexml_load_string():                                                                                ^ in /path/to/test.php on line 19
bool(false)
Last 50 characters:    string(50) "ORD DR   CT  Watertown   203-555-5555            </DATA>
</RETS>"

对评论和其他信息的一些回复:

  • 据我所知,XML本身似乎是有效的(它确实在我的系统上工作)。

  • magic_quotes_runtime肯定是关的。

  • 工作服务器具有 libxml 版本 2.7.7,而另一个服务器具有 2.7.6。这真的能带来改变吗?我找不到libxml更改日志,但似乎不太可能。

  • 这似乎只发生在响应/文件超过一定大小时,并且错误总是发生在倒数第二行。

  • 我没有遇到内存问题,测试脚本立即运行。

PHP配置中存在差异,如果我知道哪些是相关的,我可以发布这些差异。任何想法可能是什么问题,或者知道我可能想要检查的任何其他事情?


答案 1

libxml2 更改日志包含“608773在 xmlGROW 中添加缺少的检查(Daniel Veillard)”,这似乎与输入缓冲有关。注意 我对libxml2内部没有任何了解,但似乎可以想象你已经在2.7.7中修复了一个2.7.6错误。

检查直接使用时的行为是否有任何不同,并尝试设置与libxml解析器相关的选项,例如simplexml_load_file()

simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_COMPACT | LIBXML_PARSEHUGE)

具体来说,您可能需要尝试该标志。LIBXML_PARSEHUGE

http://php.net/manual/en/libxml.constants.php
标志会放宽解析器的任何硬编码限制。这会影响文档的最大深度或实体递归等限制,以及文本节点大小的限制。XML_PARSE_HUGE


答案 2

您的 XML 无效,在这两种情况下都会导致问题。

您只需要有一个根。

即。所有内容都应在您的标签内:

<?xml version="1.0"?>
<RETS>
    ...
</RETS>

您的XML中有多个根,这将导致问题:-)

尝试将其全部包装在根节点中,看看它是否有效。

<?xml version="1.0"?>
<rootNode>
    <RETS>
    ...
    </RETS>
    <count bla="99" />
</rootNode>

我不确定这是否是libxml的差异,或者不同级别的错误报告允许它在一个而不是另一个上工作,但这对我来说似乎是问题所在。


推荐