简单XML，请不要扩展实体 - SimpleXML, please do not expand entities

我正在使用SimpleXML来尝试解析带有<!ENTITY声明的大型XML文件。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，而扩展的实体是可能会更改的英语句子。有没有办法告诉SimpleXML把它敲掉？

在将文件内容传递给 XML 解析器之前，我想过"预解析"XML 文件以去除<!ENTITY位，但这感觉很黑客，而且由于它是一个大文件，我宁愿尽可能少地摆弄它。

（请原谅上述任何错误的术语;我已经很久没有做过这种级别的 XML 工作了。

看起来是这样，但事实并非如此（除非您指定我猜您没有的标志，尽管您没有在代码中显示您的工作）。只是 SimpleXML 只有在您使用 ->asXML() 方法而不是通过 to-string 实现时才能将其返回给您。

让我们做一些例子来演示它是如何工作的。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，因为它包含一个&n;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如何处理&n;实体：

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

输出为：

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

如本例所示，&n;仍然存在（<pos>&n;</pos>），只是在您作为字符串值（noun (common) (futsuumeishi)）访问它的那一刻，它将被扩展。

顺便说一下，这是完全可以的，XML 规范在这里说，是否扩展这些实体取决于解析器。对于 SimpleXML 的设计目的，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);

这实际上将执行您当时假设的操作，实体现在已展开，XML 输出不再包含该实体：

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

所以现在双问号如何做你想要的？好吧，PHP中实际上具有实体模型的XML解析器是DOMDocument。它是SimpleXML的姊妹库，在内部共享相同的内存对象。以下是同一对象（更准确地说：它唯一的子节点）对于这两种模式的输出，不带LIBXML_NOENT：

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，该代码应该使给定输出背后的内容更加可见：

$node   = dom_import_simplexml($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，它是一个姊妹库，dom_import_simplexml $pos变成了一个DOMElement，我们需要遍历它的子库，我们知道这是有问题的实体引用。

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

否则有什么方法可以改变字符串值

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

？所以你所要求的只是有限的意义。然而，这并不意味着我们不能处理这个问题，因此可以通过从它扩展来欺骗SimpleXML来做到这一点。假设每个只包含一个实体的子元素都应该返回 so。否则，应使用标准的 SimpleXML 字符串化：

/**
 * 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);
    }
}

让我们让它在上面的示例中运行：

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 现在正在使用扩展类，然后按预期给出：

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 的字符串转换中。但仅仅因为这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？这是一个具有更多细节的模型，如果有的话，您可以从中使用DOMEntityReference。