Question

我正在使用SimpleXML尝试使用<!ENTITY声明来解析large XML file。不幸的是，SimpleXML似乎太急于继续扩展这些实体，我宁愿它没有，因为实体符号很短，易于解析，理论上不会在较新版本的文件中更改，而扩展实体是可能改变的英语句子。有没有办法告诉SimpleXML将其敲掉？

在将文件内容传递给XML解析器之前，我曾想过“预解析”XML文件以去除<!ENTITY位，但这感觉很麻烦，因为它是一个巨大的文件，我'而宁可尽可能地摆弄它。

（请原谅以上任何错误的术语;我在相当长的一段时间内没有完成这个级别的XML工作。）

Answer 1

看起来似乎如此，但事实并非如此（除非你指定了我认为你不会的标志，尽管你没有在代码中显示你做了什么）。只是如果你使用->asXML()方法而不是通过to-string-implementation，SimpleXML只能将它返回给你。

让我们举一些例子来说明它是如何工作的。我从DTD中选择了这个简单的实体：

<!ENTITY n "noun (common) (futsuumeishi)">

因此，让我们选择第一个<pos>元素，因为它包含&n;个实体：

$xml = simplexml_load_file($file);
$pos = $xml->entry->sense->pos;

变量$pos现在是<pos>元素节点的SimpleXMLElement。让我们输出它以查看解析器对&n;实体的作用：

echo  "SimpleXML value (string): ", $pos         , "\n"
    , "SimpleXML value (XML)   : ", $pos->asXML(), "\n";

输出是：

SimpleXML value (string): noun (common) (futsuumeishi)
SimpleXML value (XML)   : <pos>&n;</pos>

正如此示例所示，&n;仍然存在（<pos>&n;</pos>），只是当您将其作为字符串值（noun (common) (futsuumeishi)）访问时它将被展开。< / p>

这顺便说一下，XML规范在这里说，解析器是否要扩展这些实体。对于SimpleXML的设计目标，在读取字符串值时完全可以扩展。

您甚至可以通过指定LIBXML_NOENT选项来控制此行为：

$xml = simplexml_load_file($file, NULL, LIBXML_NOENT);

这实际上会按照您的假设执行，现在实体已展开，XML输出不再包含实体：

SimpleXML value (string): noun (common) (futsuumeishi)
SimpleXML value (XML)   : <pos>noun (common) (futsuumeishi)</pos>

所以现在双重问号如何做你正在寻找的东西？好吧，PHP中的XML解析器实际上有一个实体模型是DOMDocument。它是SimpleXML的姊妹库，内部共享相同的内存对象。以下是没有和LIBXML_NOENT的两种模式的同一对象的输出（更精确：它唯一的子节点）：

Mode 1:
DOMDocument Class       : DOMEntityReference
DOMDocument value(XML)  : &n;
DOMDocument ->nodeName  : n

Mode 2 (LIBXML_NOENT):
DOMDocument Class       : DOMText
DOMDocument value(XML)  : noun (common) (futsuumeishi)
DOMDocument ->nodeName  : #text

这是由以下代码创建的，它应该使给定输出后面的内容更加可见：

$node   = dom_import_simplexml($pos);
$doc    = $node->ownerDocument;
$entity = $node->firstChild;

echo  "DOMDocument Class       : ", get_class($entity)    , "\n"
    , "DOMDocument value(XML)  : ", $doc->saveXML($entity), "\n"
    , "DOMDocument ->nodeName  : ", $entity->nodeName     , "\n";

正如所写，它是一个姊妹图书馆，dom_import_simplexml将$pos转变为DOMElement我们需要遍历它的子项，我们知道它是所讨论的实体引用。< / p>

所以现在这开始变得非常有意义：由于SimpleXML不能代表实体引用，它只能提供扩展的字符串值或包含实体的XML。

否则会有什么方法可以区分

的字符串值

<pos>&n;</pos>
<pos><![CDATA[&n;]]></pos>

？所以你要求的只是有限的意义。然而，这并不意味着我们无法解决这个问题，因此可以通过从中扩展来欺骗SimpleXML。假设每个仅包含单个实体的子元素应该返回。否则应使用标准的SimpleXML stringyfication：

/**
 * Class EntityPreserveXML
 */
class EntityPreserveXML extends SimpleXMLElement
{
    /**
     * @return string
     */
    public function __toString()
    {
        $dom = dom_import_simplexml($this);
        if (
            !$dom instanceof DOMElement
            || $dom->childNodes->length !== 1
            || ! $dom->firstChild instanceof DOMEntityReference
        ) {
            return parent::__toString();
        }

        return $dom->ownerDocument->saveXML($dom->firstChild);
    }
}

让我们从上面开始运行我们的例子：

require('EntityPreserveXML.php');
$xml = simplexml_load_file($file, 'EntityPreserveXML');
$pos = $xml->entry->sense->pos;

echo  "SimpleXML value (string): ", $pos         , "\n"
    , "SimpleXML value (XML)   : ", $pos->asXML(), "\n";

SimpleXML现在使用扩展类，然后按预期提供：

SimpleXML value (string): &n;
SimpleXML value (XML)   : <pos>&n;</pos>

&n;，因为它是唯一的子项，现在保留在SimpleXMLElement的to-string转换中。但只是因为这个工作并不意味着你应该使用它，它打破了文本形式的解析XML和文档模型意义上的XML之间的编码边界。

可能你只是在寻找DOMDocument？这是一个包含更多细节的模型，如果有的话，你可以使用DOMEntityReference。

SimpleXML，请不要扩展实体

1 个答案: