PHP XML 解析四大方案深度對比：DOM、SAX、SimpleXML、正則實戰指南

前言

XML 作為結構化數據交換標準，在 API 對接、配置文件、RSS/Atom、Office 文檔、SVG 等場景廣泛應用。PHP 提供了四種主流解析方式，各有優劣。本文將系統對比 **DOM、SAX、SimpleXML、正則表達式** 的原理、效能、記憶體佔用、適用場景，並給出生產級代碼範例與避坑指南。

編碼處理：避開亂碼坑的前置條件

• **PHP 源文件編碼** = **輸出頁面編碼** = **XML 文件編碼** = **資料庫連接編碼** = **UTF-8**（強烈建議統一）
• HTTP 輸出頭：header('Content-Type: text/html; charset=utf-8')
• HTML Meta：<meta charset="utf-8">
• PHP 文件保存為 **UTF-8 無 BOM**（編輯器設置「刪除 BOM」）
• 資料庫連接：$pdo->exec("SET NAMES utf8mb4")
• 跨編碼轉換：mb_convert_encoding($str, 'UTF-8', 'GBK') 或 iconv('GBK', 'UTF-8', $str)
• Windows 文件系統 API（move_uploaded_file、filesize、readfile）不支援 UTF-8 路徑，**需轉為系統編碼（GBK/CP936）或改用無中文路徑策略**

方案一：DOMDocument（樹模型、W3C 標準）

特點

• 將整個 XML 載入記憶體構建 DOM 樹，**隨機訪問、修改、寫入**
• 支援 XPath、Schema 驗證、XSLT 轉換
• **記憶體佔用大**：文件大小 10x~20x，不適合 >50MB 文件

核心代碼

<?php
$dom = new DOMDocument();
$dom->load('books.xml'); // 或 loadXML($string)

$books = $dom->getElementsByTagName('book');
foreach ($books as $book) {
    $author = $book->getElementsByTagName('author')->item(0)->nodeValue ?? '';
    $title  = $book->getElementsByTagName('title')->item(0)->nodeValue ?? '';
    $pub    = $book->getElementsByTagName('publisher')->item(0)->nodeValue ?? '';
    echo "$title - $author - $pub\n";
}

// XPath 查詢（強大）
$xpath = new DOMXPath($dom);
$nodes = $xpath->query('//book[author="Jack Herrington"]/title');
foreach ($nodes as $n) echo $n->nodeValue . "\n";

// 建立 XML
$dom = new DOMDocument('1.0', 'utf-8');
$root = $dom->createElement('books');
$dom->appendChild($root);
$book = $dom->createElement('book');
$book->appendChild($dom->createElement('title', 'New Book'));
$root->appendChild($book);
echo $dom->saveXML();
?>

方案二：XMLReader / SAX（流式、事件驅動）

特點

• **逐節點讀取**，不載入整個文件，**記憶體極低**，適合超大文件（GB 級）
• 單向流，無法隨機訪問、修改、回溯
• 代碼較繁瑣，需手動維護狀態機

XMLReader 現代 API（推薦替代老式 xml_parser）

<?php
$reader = new XMLReader();
$reader->open('books.xml');

$books = [];
$current = null;

while ($reader->read()) {
    if ($reader->nodeType === XMLReader::ELEMENT) {
        if ($reader->name === 'book') {
            $current = ['author' => '', 'title' => '', 'publisher' => ''];
        } elseif ($current !== null && in_array($reader->name, ['author', 'title', 'publisher'])) {
            $reader->read(); // 移到文本節點
            $current[$reader->name] = $reader->value;
        }
    } elseif ($reader->nodeType === XMLReader::END_ELEMENT && $reader->name === 'book') {
        $books[] = $current;
        $current = null;
    }
}
$reader->close();

foreach ($books as $b) {
    echo "{$b['title']} - {$b['author']} - {$b['publisher']}\n";
}
?>

方案三：SimpleXML（PHP 專屬、極簡 API）

特點

• 將 XML 映射為**物件/陣列混合結構**，屬性用 ['attr']，子節點用 ->tag
• 底層仍基於 libxml，記憶體佔用接近 DOM，**不適合大文件**
• **開發效率最高**，一行代碼搞定大多數讀取需求
• 支援 XPath：$xml->xpath('//book/title')

核心代碼

<?php
$xml = simplexml_load_file('books.xml'); // 或 simplexml_load_string($str)

foreach ($xml->book as $book) {
    // 屬性訪問
    $id = (string)$book['id'];
    // 子節點訪問（自動轉字符串）
    $author = (string)$book->author;
    $title  = (string)$book->title;
    $pub    = (string)$book->publisher;
    echo "$title - $author - $pub\n";
}

// 命名空間處理
$xml->registerXPathNamespace('ns', 'https://example.com/ns');
$items = $xml->xpath('//ns:item');

// 修改並保存
$xml->book[0]->title = 'Updated Title';
$xml->asXML('books_updated.xml');
?>

方案四：正則表達式（不推薦用於生產解析）

適用場景

• 極簡單、固定格式、一次性腳本、無法安裝 libxml 的極端環境
• **嚴禁用於**：巢狀結構、屬性值含引號、CDATA、實體引用、跨行、編碼不一致的 XML

代碼示例（僅供理解原理）

<?php
$xml = file_get_contents('books.xml');
preg_match_all('/(.*?)<\/book>/s', $xml, $blocks);
foreach ($blocks[1] as $block) {
    preg_match('/(.*?)<\/author>/', $block, $a);
    preg_match('/