XML文件<type>节点文本替换异常问题求助

需要从不同XML文件导入数据，将<type>节点中的特定文本值替换为指定内容，同时保留无需修改的<type>节点值。示例XML结构如下：

1-sample.xml #

<?xml version="1.0" encoding="UTF-8"?>
<root>
<kyero>
<feed_version>3</feed_version>
</kyero>

<property>
<type><![CDATA[Detached Villa]]></type>
<town>Ciudad Quesada</town>
</property>

<property>
<type><![CDATA[Semi Detached Villa]]></type>
<town>Benijofar</town>
</property>
</root>

2-sample.xml #

<?xml version="1.0" encoding="UTF-8"?>
<root>
<kyero>
<feed_version>3</feed_version>
</kyero>

<property>
<type>semi-detached-villa</type>
<town>Villena</town>
</property>

<property>
<type>Semi</type>
<town>Elda</town>
</property>
</root>

3-sample.xml #

<?xml version="1.0" encoding="UTF-8"?>
<root>
<kyero>
<feed_version>3</feed_version>
</kyero>

<property>
<type>Semi-Detached House</type>
<town>Villena</town>
</property>

<property>
<type>Semi - Detached Villa</type>
<town>Elda</town>
</property>
</root>

尝试使用str_replace实现替换时，出现重复、混乱的结果（如SemiDetached - SemiDetached、SemiDetachedDetached）；扩展替换规则后问题依然存在。改用preg_replace时，会将所有<type>节点值替换为固定内容，无法实现精准替换。

1. str_replace的问题：

   • 替换顺序错误：先替换短字符串（如Semi）会破坏长匹配项的结构（比如把Semi Detached Villa改成SemiDetached Detached Villa），导致后续无法匹配完整的目标字符串。
   • 重复替换同一规则：多次重复的替换操作没有意义，反而可能因之前的替换生成新的字符串，引发意外替换。

2. preg_replace的问题：

   • 正则表达式没有添加条件判断，直接匹配所有<type>节点的内容并替换为固定值，无法区分需要替换和不需要替换的文本。

处理XML内容不能直接用字符串替换，需使用专门的XML解析工具（如PHP的DOMDocument）精准定位节点，结合正则匹配实现条件替换，保证XML结构不被破坏。

实现代码 #

function processXmlTypeNodes($xmlContent) {
    $dom = new DOMDocument();
    // 禁用XML解析错误提示，兼容格式不完美的XML
    libxml_use_internal_errors(true);
    $dom->loadXML($xmlContent);
    libxml_clear_errors();

    $xpath = new DOMXPath($dom);
    // 定位所有<type>节点
    $typeNodes = $xpath->query('//type');

    // 替换规则：键为正则匹配模式，值为目标替换文本
    // 按「复杂模式优先」的顺序排列，避免部分匹配
    $replaceMap = [
        // 半独立类替换
        '/^Semi[\s-]+Detached[\s-]+(Villa|House)$/i' => 'SemiDetached',
        '/^Detached[\s-]+Villa$/i' => 'SemiDetached',
        '/^semi-detached-villa$/i' => 'SemiDetached',
        '/^Semi$/i' => 'SemiDetached',
        // 公寓类替换
        '/^(Apartamento|Ground Floor|Flat)$/i' => 'Apartment',
        // 车库替换
        '/^Parking Space$/i' => 'garage',
        // 联排别墅替换
        '/^(Terraced house|Townhouse|House – Townhouse)$/i' => 'Town House',
        // Quad类替换
        '/^(Quad Bungalow|Quad House|Quadplex|Quad Villa)$/i' => 'Quad',
        // Villa类替换
        '/^(Chalet|Chalets Pareados|Village house|Village House|Villa with annex|Villas Pareados)$/i' => 'Villa',
        // 乡村地产替换
        '/^(Finca \/ Country Property|finca|Country Property\/Finca|Country Property|Country House)$/i' => 'Country Estate',
        // 地块替换
        '/^(Plot of Land|Building Plot|land|Land|Restoration Project)$/i' => 'Plot',
        // Duplex替换
        '/^Duplex apartment$/i' => 'Duplex',
        // 餐饮商业替换
        '/^(Bar|Bar\/Restaurant)$/i' => 'Restaurants and Bars',
        // 商业地产替换
        '/^(Commercial Unit|Commercial Building|Locales Comerciales|Business premises)$/i' => 'commercial',
        // 平房替换
        '/^(Bungalows Planta Baja|Bungalows Planta Alta)$/i' => 'Bungalow',
    ];

    foreach ($typeNodes as $node) {
        $originalValue = trim($node->nodeValue);
        $newValue = $originalValue; // 默认保留原内容

        // 遍历替换规则，找到匹配项就替换并终止循环
        foreach ($replaceMap as $pattern => $replacement) {
            if (preg_match($pattern, $originalValue)) {
                $newValue = $replacement;
                break;
            }
        }

        // 清空原有节点内容，用CDATA包裹新值（兼容原XML的CDATA格式）
        $node->nodeValue = '';
        $cdata = $dom->createCDATASection($newValue);
        $node->appendChild($cdata);
    }

    return $dom->saveXML();
}

代码说明 #

1. XML解析：使用DOMDocument和DOMXPath精准定位所有<type>节点，避免字符串替换破坏XML结构。
2. 正则匹配：用正则表达式匹配不同格式的目标文本（如Semi Detached、Semi-detached、Semi - Detached），解决文本格式不一致的问题。
3. 替换顺序：按「复杂模式优先」排列规则，避免短模式提前匹配导致长模式失效。
4. CDATA处理：替换后的内容用CDATA包裹，保持与原XML格式一致，避免特殊字符引发的XML解析问题。

内容的提问来源于stack exchange，提问作者Монюк Олег