PHP使用XMLReader搭配XMLWriter/SimpleXML为超大XML新增is_active标签问题

XMLWriter方案问题 #

• 匹配到<offer>节点时直接跳过了原<offer>节点的写入操作，直接创建<is_active>标签，导致原有<offer>结构丢失，子节点全部被包裹进错误的<is_active>节点内
• 插入位置逻辑错误，没有在<offer>节点闭合前插入新增标签

SimpleXML方案问题 #

• 每次处理完单个<offer>节点都调用asXML()直接覆盖输出文件，导致前面的节点被后续节点覆盖，最终仅保留最后一个节点
• 没有写入根节点<offers>的结构，输出的XML不符合原有格式
• 未实现<is_active>标签的CDATA格式要求

推荐优先使用XMLWriter方案，全程流式读写内存占用稳定，适合GB级超大XML文件处理：

修正后XMLWriter代码 #

<?php
require('xmlreader-iterators.php');
$xmlInputFile  = 'feed_sample.xml';
$xmlOutputFile = 'output.xml';

$reader = new XMLReader();
$reader->open($xmlInputFile);

$writer = new XMLWriter();
$writer->openUri($xmlOutputFile);
$writer->startDocument('1.0', 'UTF-8');

$iterator = new XMLWritingIteration($writer, $reader);

foreach ($iterator as $node) {
    // 匹配offer结束标签，先插入新增节点再写闭合标签
    if ($node->nodeType === XMLReader::END_ELEMENT && $node->name === 'offer') {
        $writer->startElement('is_active');
        $writer->writeCdata('true'); // 可根据业务逻辑修改为true/false
        $writer->endElement();
    }
    
    // 写入当前节点原有内容
    $iterator->write();
    
    // 兼容处理自闭合offer节点的特殊情况
    if ($node->nodeType === XMLReader::ELEMENT && $node->name === 'offer' && $node->isEmptyElement) {
        $writer->startElement('is_active');
        $writer->writeCdata('true');
        $writer->endElement();
    }
}

$writer->endDocument();
$reader->close();

修正后SimpleXML代码 #

如果需要继续使用SimpleXML实现，可参考以下代码，同样为低内存流式处理：

<?php
$fn = __DIR__ . '/feed_sample.xml';
$outputFn = __DIR__ . '/outputSimple.xml';
$tag = 'offer';
$reader = new \XMLReader();

if (!$reader->open($fn)) {
    throw new \RuntimeException("Could not open {$fn} with XMLReader");
}

// 预先打开输出文件，写入XML头和根节点起始标签
$outputFp = fopen($outputFn, 'w');
fwrite($outputFp, '<?xml version="1.0" encoding="UTF-8"?>' . PHP_EOL . '<offers>' . PHP_EOL);

while ($reader->read()) {
    if ($reader->name === $tag && $reader->nodeType === XMLReader::ELEMENT) {
        $elem = new \SimpleXMLElement($reader->readOuterXML());
        // SimpleXML原生不支持直接添加CDATA节点，借助DOM实现
        $dom = dom_import_simplexml($elem);
        $isActiveNode = $dom->ownerDocument->createElement('is_active');
        $cdataContent = $dom->ownerDocument->createCDATASection('true');
        $isActiveNode->appendChild($cdataContent);
        $dom->appendChild($isActiveNode);
        
        // 追加写入当前处理完成的offer节点，避免覆盖
        fwrite($outputFp, preg_replace('/<\?xml.+\?>/', '', $elem->asXML()) . PHP_EOL);
        
        $reader->next($tag);
    }
}

// 写入根节点闭合标签，关闭资源
fwrite($outputFp, '</offers>');
fclose($outputFp);
$reader->close();

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