如何使用PHP XMLReader检查超大XML文件的语法合法性

需求背景 #

我目前使用PHP的XMLReader处理XML文件，需要实现不依赖DTD的简单XML语法合法性校验，仅确认文件语法合规，避免文件尾部损坏等问题导致后续节点遍历出错。

业务约束 #

• 存在多份高频变更的XML文件，无需做DTD有效性校验，仅做语法合规性校验
• 部分XML文件大小超过2GB，无法使用DOM方式加载校验，否则内存占用过高会导致程序崩溃

原有方案缺陷 #

之前尝试了DOM加载校验的方案，仅对小文件有效，代码如下：

$dom = new DOMDocument;
if(!@$dom->load('example.xml')){ die("syntax error"); }

我了解到firstobject XML editor这类工具可在1.7秒内完成30GB XML的语法错误定位，因此想确认PHP的XMLReader是否可以实现类似的轻量快速校验。 #

补充1 #

目前我临时采用文件大小判断的分流方案：小于阈值的文件用DOM校验，大文件计划调用第三方命令行工具校验，后续找到稳定方案会更新。

补充2 #

Progman提出的XMLReader全量遍历校验是目前已知的最优解，但该方案需要遍历整个XML文件，会使处理时长翻倍，我还在寻找更快速的校验方案，若无更合适的方案会采用该方案。

补充3：最终可行方案 #

我对Progman的方案做了适配，避免和自定义的set_error_handler冲突，通过开启libxml_use_internal_errors(true)捕获错误即可实现校验，示例代码如下：

libxml_use_internal_errors(true);
$xml = new XMLReader();
$xml->open("large.xml");
while($xml->read());
foreach (libxml_get_errors() as $error) {
    print_r($error);
}

内容的提问来源于stack exchange，提问作者user5333087