Question

我正在处理一个我无法编辑的第三方PHP库，它已经运行了近一年。它对来自远程服务器的响应使用simplexml_load_string。最近，它一直在大吵大闹。这是房地产列表的数据馈送，格式如下所示：

<?xml version="1.0"?>
<RETS ReplyCode="0" ReplyText="Operation Successful Reference ID: 9bac803e-b507-49b7-ac7c-d8e8e3f3aa89">
<COUNT Records="9506" />
<DELIMITER value="09" />
<COLUMNS>   sysid   1   2   3   4   5   6   </COLUMNS>
<DATA>  252370080   Residential 0.160   No  ADDR0   06051</DATA>
<DATA>  252370081   Residential 0.440   Yes ADDR0   06043</DATA>
<DATA>  252370082   Residential 1.010   No  ADDR0   06023</DATA>
<DATA>More tab delimited text</DATA>
<!-- snip 9000+ lines -->
</RETS>

我下载了一个响应的示例文件（大约22MB），这是我最终调试和理智的地方。两台服务器都运行PHP版本5.3.8，但请注意不同的结果。我尽可能肯定两个文件是相同的（我想不同的文件大小，strlen和最后50个字符可以用具有额外回车字符的Windows换行符来解释）。测试脚本：

error_reporting(-1);
ini_set('display_errors', 1);
$file = 'error-example.xml';
$xml = file_get_contents($file);

echo 'filesize:              ';
var_dump(filesize($file));

echo 'strlen:                ';
var_dump(strlen($xml));

echo 'simplexml object?      ';
var_dump(is_object(simplexml_load_string($xml)));

echo 'Last 50 characters:    ';
var_dump(substr($xml, -50));

在Windows上本地输出：

filesize:              int(21893604)
strlen:                int(21893604)
simplexml object?      bool(true)
Last 50 characters:    string(50) "RD DR    CT  Watertown   203-555-5555            </DATA>
</RETS>"

远程UNIX服务器上的输出：

filesize:              int(21884093)
strlen:                int(21884093)
simplexml object?      
Warning: simplexml_load_string(): Entity: line 9511: parser error : internal error in /path/to/test.php on line 19

Warning: simplexml_load_string(): AULTED CEILING IN FOYER, BRICK FP IN FR, NEW FLOORING IN LR DR FR FOYER KITCHEN  in /path/to/test.php on line 19

Warning: simplexml_load_string():                                                                                ^ in /path/to/test.php on line 19

Warning: simplexml_load_string(): Entity: line 9511: parser error : Extra content at the end of the document in /path/to/test.php on line 19

Warning: simplexml_load_string(): AULTED CEILING IN FOYER, BRICK FP IN FR, NEW FLOORING IN LR DR FR FOYER KITCHEN  in /path/to/test.php on line 19

Warning: simplexml_load_string():                                                                                ^ in /path/to/test.php on line 19
bool(false)
Last 50 characters:    string(50) "ORD DR   CT  Watertown   203-555-5555            </DATA>
</RETS>"

对评论和其他信息的一些回复：

就我所知，XML本身似乎是有效的（在我的系统上工作）。
magic_quotes_runtime肯定是关闭的。
工作服务器具有libxml版本2.7.7而另一个具有2.7.6。这真的有所作为吗？我找不到libxml更改日志，但似乎不太可能。
这似乎只发生在响应/文件超过一定大小时，并且错误总是发生在倒数第二行。
我没有遇到内存问题，测试脚本立即运行。

如果我知道哪些是相关的，我可以发布PHP配置的差异。知道问题可能是什么，或者知道我可能要检查的其他任何事情吗？

Answer 1

libxml2 changelog包含"608773 add a missing check in xmlGROW (Daniel Veillard)"，它似乎与输入缓冲有关。注意我不知道关于libxml2内部的任何，但似乎可以想象你已经在2.7.7中修复了一个2.7.6错误。

直接使用simplexml_load_file()时检查行为是否有所不同，并尝试设置与libxml解析器相关的选项，例如

simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_COMPACT | LIBXML_PARSEHUGE)

具体来说，您可能想尝试LIBXML_PARSEHUGE标志。

http://php.net/manual/en/libxml.constants.php
XML_PARSE_HUGE标志放松了解析器的任何硬编码限制。这会影响文档的最大深度或实体递归等限制，以及文本节点大小的限制。

Answer 2

您的XML无效，并且在两种情况下都会导致问题。

你只需要一个根。

即。一切都应该在你的标签内：

<?xml version="1.0"?>
<RETS>
    ...
</RETS>

您的XML中有多个根，这会导致问题： - ）

尝试将其全部包装在根节点中，看看它是否有效。

<?xml version="1.0"?>
<rootNode>
    <RETS>
    ...
    </RETS>
    <count bla="99" />
</rootNode>

我不确定这是不同的libxml，或者是一个不同级别的错误报告，允许它在一个而不是另一个上工作，但这看起来像是我的问题。

Answer 3

我的XMLSpy确认您的XML文件（我从您提供的链接下载）没有任何问题且格式正确。

然而，一个潜在的问题是XML前导码中缺少“encoding”属性：根据您的libxml2版本，我想以下场景可能是：服务器检查编码属性，缺少哪个服务器回退到某个默认值（配置设置）。也许较旧的库版本不会检查BOM。

请同时看到此链接，他们与libxml有类似的编码问题： https://stackoverflow.com/questions/4724241/utf-8-problems-with-php-dom-on-debian-server

其实质是升级您的libxml库可能确实可以解决问题。或者，可能需要检查配置中的默认编码设置。

根据我的XMLSpy，该文件是utf-8编码的 - 作为测试，如果指定

，可能值得检查

<?xml version="1.0" encoding="UTF-8"?>

因为文件前导码会阻止Unix服务器阻塞。

大文件上的simplexml_load_string错误发生在一个系统上，而不是另一个系统上

3 个答案: