如何使用PHP将一个大的XML文件拆分成更小的文件

这在很大程度上取决于您的XML文件结构。

例如，你可以这样做（假设结构是你发布的，包括回车，否则事情会变得更复杂）：

换行版本：如果格式"恰到好处"，则会对大型XML文件进行快速切片
同时崩溃和刻录，如果文件没有完全像这样格式化

$fp = fopen(XMLFILE, 'r');
$decl = fgets($fp, 1024);  // Drop the XML declaration '<?xml...?>'
$root = fgets($fp, 1024);  // Drop the root declaration
$n = 1;
while(!feof($fp)) {
    $tag = fgets($fp, 1024);
    if ('<item>' === $tag) {
        isset($gp) || trigger_error('Unexpected state');
        $gp = fopen("chunk{$n}.xml", 'w'); $n++;
        // Write the header of the file we saved from before
        fwrite($gp, $decl);
        fwrite($gp, $root);
    } else if ('</item>' === $tag) {
        fwrite($gp, $tag);
        fwrite($gp, '</root>');
        fclose($gp); unset($gp);
        continue;
    }
    if (!isset($gp)) {
        if ('</root>' === $tag /* EOF */) {
            break;
        } else {
            trigger_error('Unexpected state 2');
        }
    }
    fwrite($gp, $tag);
}
fclose($fp);
isset($gp) || trigger_error('Unexpected state 3');

这样做的主要好处是允许您"回收"XML解析脚本（事实上，您可以在关闭$gp后立即调用XML解析脚本，或者更好的做法是，根本不写入任何文件，而是在缓冲区上排队转发，并使用该缓冲区调用脚本）。

另一个优点是能够在不同的子服务器之间"外包"文件，例如，由于DNS解析、DB调用、HTTP/SOAP调用、需要反馈等原因，XML处理时间很长。在这种情况下，您可以基于（$n%NUM_CLIENTS）将文件保存在不同的个子目录中，每个客户端都可以一次获取一个文件，处理并删除它，然后继续。

然而，最好的方法是重写脚本，这样就不会在内存中加载XML，而是使用XML Parser支持一次解析一点。

折衷方案是使用XMLParser对XML文件进行切片，并将其"原样"提供给现有脚本。

XMLparse版本：高效地对大型XML文件进行切片
而不用担心XML实际上是如何组合在一起的

xmlparse函数通过回调来工作，即您将数据馈送到一个入口点（xml_parse），然后该入口点分析数据，对数据进行拆分，将各种块路由到您定义的适当子函数。xml_parse将处理编码和空白，从而使您无需处理这些问题，这是上面代码中最大的缺点之一。xmlparse核心本身不保存数据，因此即使对于GB（或TB）文件，我们也可以实现恒定的内存实现。

因此，让我们看看如何重写XMLParser的代码，并通过拆分给定标记的特定重复次数来对大文件进行分块。

即，输入文件：

 <root><item>(STUFF OF ITEM1)</item><item>(STUFF OF ITEM2)/item>....ITEM1234...</root>

输出文件：

 FILE1: <root><item>(1)</item><item>(2)</item>...(5)</root>
 FILE2: <root><item>(6)</item><item>(7)</item>...(10)</root>
 ...

我们通过编写一个XML解析器来实现这一点，该解析器将提取N个（此处N=5）项的每个"块"，并将其提供给块处理器，该处理器在接收到。。。将它包装在标签之间，添加一个XML头，从而生成一个与原始大文件语法相同但只有五项的文件。

为了保存在单独的文件中，我们会跟踪区块号。

    function processChunk($lastChunk = false) {
         GLOBAL $CHUNKS, $PAYLOAD, $ITEMCOUNT;
         if ('' == $PAYLOAD) {
             return;
         }
         $xp = fopen($file = "output-$CHUNKS.xml", "w");
         fwrite($xp, '<?xml version="1.0"?>'."'n");
             fwrite($xp, "<root>");
                 fwrite($xp, $PAYLOAD);
             $lastChunk || fwrite($xp, "</root>");
         fclose($xp);
         print "Written {$file}'n";
         $CHUNKS++;
         $PAYLOAD    = '';
         $ITEMCOUNT  = 0;
    }

xmlparse函数需要回调：一个接收标记OPENING，一个接收标签CLOSING，一个获取内容，另一个获取任意内容。我们对什么都不感兴趣，所以我们只填充前三个处理程序。

    function startElement($xml, $tag, $attrs = array()) {
        GLOBAL $PAYLOAD, $CHUNKS, $ITEMCOUNT, $CHUNKON;
        if (!($CHUNKS||$ITEMCOUNT)) {
            if ($CHUNKON == strtolower($tag)) {
                $PAYLOAD = '';
            }
        }
        $PAYLOAD .= "<{$tag}";
        foreach($attrs as $k => $v) {
            $PAYLOAD .= " {$k}='"" .addslashes($v).'"';
        }
        $PAYLOAD .= '>';
    }
    function endElement($xml, $tag) {
        GLOBAL $CHUNKON, $ITEMCOUNT, $ITEMLIMIT;
        dataHandler(null, "</{$tag}>");
        if ($CHUNKON == strtolower($tag)) {
             if (++$ITEMCOUNT >= $ITEMLIMIT) {
                 processChunk();
             }
        }
    }
    function dataHandler($xml, $data) {
        GLOBAL $PAYLOAD;
        $PAYLOAD .= $data;
    }
    function defaultHandler($xml, $data) {
        // a.k.a. Wild Text Fallback Handler, or WTFHandler for short.
    }

createXMLParser函数是独立的，以提高的清晰度

    function createXMLParser($CHARSET, $bareXML = false) {
            $CURRXML = xml_parser_create($CHARSET);
            xml_parser_set_option( $CURRXML, XML_OPTION_CASE_FOLDING, false);
            xml_parser_set_option( $CURRXML, XML_OPTION_TARGET_ENCODING, $CHARSET);
            xml_set_element_handler($CURRXML, 'startElement', 'endElement');
            xml_set_character_data_handler($CURRXML, 'dataHandler');
            xml_set_default_handler($CURRXML, 'defaultHandler');
            if ($bareXML) {
                xml_parse($CURRXML, '<?xml version="1.0"?>', 0);
            }
            return $CURRXML;
    }

最后是进料循环，打开大文件先生并将其发送到研磨机。

    function chunkXMLBigFile($file, $tag = 'item', $howmany = 5) {
         GLOBAL $CHUNKON, $CHUNKS, $ITEMLIMIT;
         // Every chunk only holds $ITEMLIMIT "$CHUNKON" elements at most.
         $CHUNKON   = $tag;
         $ITEMLIMIT = $howmany;
         $xml = createXMLParser('UTF-8', false);
         $fp = fopen($file, 'r');
         $CHUNKS  = 0;
         while(!feof($fp)) {
              $chunk = fgets($fp, 10240);
              xml_parse($xml, $chunk, feof($fp));
         }
         xml_parser_free($xml);
         // Now, it is possible that one last chunk is still queued for processing.
         processChunk(true);
    }

然后我们调用机器："将test.xml拆分为项目标签的5个实例"

    ChunkXMLBigFile('test.xml', 'item', 5);

这个实现的运行速度大约是一开始愚蠢的chunker的五倍，但可以在同一行中处理标记，甚至可以扩展以验证XML。

请看一下这篇文章PHP XML解析

1. SAX解析
2. XML阅读器XMLReader Pull Parser

将最适合这份工作

阅读上面的文章，尝试一些代码，你肯定会得到这个的答案