嘿，我刚好碰到过类似的CDATA嵌套XSD的提取需求，给你几个亲测有效的方案，应该能解决你的问题！

首先得明确核心问题：你要处理的是嵌套在CDATA里的XSD文档，之前用simple_xml或XMLDOM没成功，大概率是没处理好XSD的命名空间，或者没正确提取CDATA里的纯文本内容。下面分PHP和Python两种常用场景给你具体实现步骤：

一、PHP环境方案（适配你提到的XMLDOM工具） #

步骤1：先提取CDATA中的纯XSD文本 #

首先从WebService的响应XML里把CDATA块的内容取出来，注意不要带<!CDATA[]]>这些标记：

// 假设WebService返回的原始XML存在$rawResponse变量中
$dom = new DOMDocument();
// 禁用错误提示避免XSD里的格式问题干扰
libxml_use_internal_errors(true);
$dom->loadXML($rawResponse);
libxml_clear_errors();

// 替换成你实际存储CDATA的节点名，比如<xsdData><![CDATA[...]]></xsdData>
$cdataContainer = $dom->getElementsByTagName('xsdData')->item(0);
$xsdRawContent = $cdataContainer->nodeValue; // 这里拿到纯XSD文本

步骤2：解析XSD并提取目标字段 #

XSD本身是带命名空间的XML，用DOMXPath来查询最灵活，能轻松处理命名空间和嵌套结构：

$xsdDom = new DOMDocument();
libxml_use_internal_errors(true);
$xsdDom->loadXML($xsdRawContent);
libxml_clear_errors();

$xpath = new DOMXPath($xsdDom);
// 必须注册XSD的标准命名空间（几乎所有XSD都用这个）
$xpath->registerNamespace('xs', 'http://www.w3.org/2001/XMLSchema');

// 你要提取的目标元素列表
$targetElems = ['CODCOLIGADA', 'IDPRD', 'CODIGOPRD', 'NOMEFANTASIA'];
$extractedData = [];

foreach ($targetElems as $elemName) {
    // 查询对应名称的xs:element节点
    $elemNodes = $xpath->query("//xs:element[@name='$elemName']");
    if ($elemNodes->length === 0) continue;
    
    $elem = $elemNodes->item(0);
    $item = [
        'elementName' => $elemName,
        // 先尝试直接取Caption属性（如果你的XSD把Caption设为自定义属性）
        'caption' => $elem->getAttribute('Caption'),
        'minOccurs' => $elem->getAttribute('minOccurs') ?: '1', // XSD默认minOccurs是1
        'type' => $elem->getAttribute('type') ?: 'string',
        'maxLen' => ''
    ];

    // 如果maxLen是在xs:simpleType的restriction里（比如xs:maxLength），额外查询
    $maxLenNode = $xpath->query("./xs:simpleType/xs:restriction/xs:maxLength", $elem)->item(0);
    if ($maxLenNode) {
        $item['maxLen'] = $maxLenNode->getAttribute('value');
    }

    // 补充：如果Caption是在annotation的documentation里（很多ERP的XSD会这么做）
    $captionDoc = $xpath->query("./xs:annotation/xs:documentation", $elem)->item(0);
    if ($captionDoc) {
        $item['caption'] = $captionDoc->nodeValue;
    }

    $extractedData[] = $item;
}

// 输出结果
print_r($extractedData);

二、Python环境方案（用lxml处理更省心） #

如果你的项目可以用Python，lxml库对XML命名空间和复杂结构的支持比PHP的simple_xml强太多：

from lxml import etree

# 假设已经提取到CDATA里的XSD文本存为xsd_content
xsd_tree = etree.fromstring(xsd_content.encode('utf-8'))
# 注册XSD命名空间
ns_map = {'xs': 'http://www.w3.org/2001/XMLSchema'}

target_elements = ['CODCOLIGADA', 'IDPRD', 'CODIGOPRD', 'NOMEFANTASIA']
result = []

for elem_name in target_elements:
    # 查询目标元素
    elem_list = xsd_tree.xpath(f"//xs:element[@name='{elem_name}']", namespaces=ns_map)
    if not elem_list:
        continue
    elem = elem_list[0]

    data = {
        'elementName': elem_name,
        'caption': elem.get('Caption', ''),
        'minOccurs': elem.get('minOccurs', '1'),
        'type': elem.get('type', 'string'),
        'maxLen': ''
    }

    # 提取maxLength的值
    max_len_values = elem.xpath("./xs:simpleType/xs:restriction/xs:maxLength/@value", namespaces=ns_map)
    if max_len_values:
        data['maxLen'] = max_len_values[0]

    # 处理annotation里的Caption
    caption_text = elem.xpath("./xs:annotation/xs:documentation/text()", namespaces=ns_map)
    if caption_text:
        data['caption'] = caption_text[0].strip()

    result.append(data)

print(result)

关键注意事项 #

1. 命名空间是核心：之前用simple_xml失败，很大概率是没处理XSD的xs命名空间，simple_xml对命名空间的支持非常有限，用DOMXPath或lxml的XPath才是正确选择。
2. 适配你的实际XSD结构：上面的代码假设了Caption的两种常见存储方式（属性/annotation），如果你的XSD里Caption存在其他位置，只要调整XPath查询路径就行。
3. 错误处理：实际使用时记得加上错误捕获，比如XSD解析失败的情况，避免程序崩溃。

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