PHP处理含双<?xml>声明的怪异XML文件求助

一、自动拆分为两个独立XML文件 #

如果需要将文件拆分成两个独立的XML文件，可通过PHP读取文件内容后，用正则匹配第二个XML声明的位置进行拆分，代码示例如下：

// 读取目标文件内容
$xmlContent = file_get_contents('dual-xml-file.xml');

// 匹配第二个XML声明的位置（从第一个声明结束后开始查找）
preg_match('/(<\?xml.*?\?>)/s', $xmlContent, $matches, PREG_OFFSET_CAPTURE, strpos($xmlContent, '?>') + 2);

if (!empty($matches)) {
    // 拆分出两个XML内容
    $firstXml = substr($xmlContent, 0, $matches[0][1]);
    $secondXml = substr($xmlContent, $matches[0][1]);

    // 保存为独立文件
    file_put_contents('first-xml.xml', $firstXml);
    file_put_contents('second-xml.xml', $secondXml);
} else {
    echo "未检测到第二个XML声明";
}

说明：正则中的s修饰符允许.匹配换行符，确保能正确匹配跨换行的XML声明；strpos($xmlContent, '?>') + 2确保从第一个声明结束后开始查找，避免误匹配第一个声明。

二、无需拆分，直接读取内容的替代工具 #

如果不需要拆分文件，可通过清理多余XML声明后，使用DOMDocument或XMLReader读取内容：

1. 使用DOMDocument清理后加载 #

先移除多余的XML声明，保留第一个，再加载为DOM对象（可转为SimpleXML使用）：

$xmlContent = file_get_contents('dual-xml-file.xml');

// 提取第一个XML声明
preg_match('/(<\?xml.*?\?>)/s', $xmlContent, $firstDecl);
// 移除所有XML声明
$cleanedContent = preg_replace('/(<\?xml.*?\?>)/s', '', $xmlContent);
// 恢复第一个声明
$cleanedContent = $firstDecl[0] . $cleanedContent;

// 加载并处理
$dom = new DOMDocument();
$dom->loadXML($cleanedContent);
// 转为SimpleXML（如果需要）
$simplexml = simplexml_import_dom($dom);

2. 使用XMLReader流式处理（适合大文件） #

XMLReader支持流式读取，可分别处理两个XML文档，避免一次性加载大文件占用过多内存：

$reader = new XMLReader();
$reader->open('dual-xml-file.xml');

// 处理第一个XML文档
$firstDom = new DOMDocument();
$firstRoot = null;
while ($reader->read()) {
    // 遇到第二个XML声明时停止处理第一个文档
    if ($reader->nodeType === XMLReader::XML_DECLARATION && $firstRoot !== null) {
        break;
    }
    // 捕获第一个根节点并导入到DOM
    if ($reader->nodeType === XMLReader::ELEMENT && $firstRoot === null) {
        $firstRoot = $firstDom->importNode($reader->expand(), true);
        $firstDom->appendChild($firstRoot);
    }
}

// 处理第二个XML文档
$secondDom = new DOMDocument();
$secondRoot = null;
// 跳过第二个XML声明
$reader->next();
while ($reader->read()) {
    if ($reader->nodeType === XMLReader::ELEMENT && $secondRoot === null) {
        $secondRoot = $secondDom->importNode($reader->expand(), true);
        $secondDom->appendChild($secondRoot);
    }
}

$reader->close();

// 转为SimpleXML使用
$firstXml = simplexml_import_dom($firstDom);
$secondXml = simplexml_import_dom($secondDom);

内容的提问来源于stack exchange，提问作者Bready