PHP SimpleXML 解析 XML 進階技巧與陷阱避坑

simplexml_load_string() 是 PHP 處理 XML 最便捷的工具，但其返回的 SimpleXMLElement 物件行為與普通陣列/物件截然不同，極易踩坑。本文通過實例深度解析「偽陣列」特性、屬性訪問、命名空間、編碼處理、大文件流式解析等進階主題。

一、核心陷阱：看起來是陣列，實則是可迭代物件

<?php
$xml = <<
    hello
    world

XML;

$data = simplexml_load_string($xml);

// print_r 顯示 foo 是陣列，包含兩個元素
print_r($data);
/* 輸出：
SimpleXMLElement Object
(
    [foo] => Array
        (
            [0] => SimpleXMLElement Object ([bar] => hello)
            [1] => SimpleXMLElement Object ([bar] => world)
        )
)
*/

// 但直接訪問 $data->foo 只返回第一個元素！
echo $data->foo->bar; // hello (不是陣列！)

// 正確遍歷方式：foreach
foreach ($data->foo as $item) {
    echo $item->bar . "\n"; // hello / world
}

// 或使用 children()
foreach ($data->children() as $child) {
    echo $child->bar . "\n";
}
?>

結論：SimpleXMLElement 實現了 Traversable、Countable、ArrayAccess，但**不是陣列**。print_r/var_dump 為了可讀性將其「偽裝」為陣列，實際訪問需用 foreach、[0] 索引或 ->children()。

二、屬性訪問：@attributes

<?php
$xml = <<

    你好
    
        Hello
        你好
    
    
        World
        世界
    

XML;

$x = simplexml_load_string($xml);

// 訪問屬性：$x['屬性名'] 或 $x->attributes()
echo $x['num'];           // 219 (字串)
echo $x->attributes()->num; // 同樣
echo (int)$x['num'];      // 219 (整數)

// 遍歷所有屬性
foreach ($x->attributes() as $name => $val) {
    echo "$name = $val\n";
}
?>

三、命名空間處理

<?php
$xml = <<

    Value

XML;

$x = simplexml_load_string($xml);

// 註冊命名空間前綴
$x->registerXPathNamespace('p', 'https://example.com/ns');

// XPath 查詢
$items = $x->xpath('//p:item');
foreach ($items as $item) {
    echo $item . "\n"; // Value
    echo $item['id'];  // 1
}
?>

四、編碼陷阱：輸入必須是 UTF-8

<?php
// 錯誤示範：GBK 字串直接餵給 simplexml_load_string
$gbkXml = iconv('UTF-8', 'GBK', $utf8Xml);
$data = simplexml_load_string($gbkXml); // 解析錯誤或亂碼

// 正確：統一轉為 UTF-8 再解析
$utf8Xml = iconv('GBK', 'UTF-8', $gbkXml);
$data = simplexml_load_string($utf8Xml);

// 輸出時也需注意編碼
header('Content-Type: text/xml; charset=UTF-8');
echo $data->asXML(); // 返回 UTF-8 XML 字串
?>

五、大文件流式解析：XMLReader (避免記憶體爆炸)

<?php
// 100MB+ XML 僅用幾 MB 記憶體
$reader = new XMLReader();
$reader->open('huge.xml');

while ($reader->read()) {
    if ($reader->nodeType === XMLReader::ELEMENT && $reader->localName === 'item') {
        // 只展開當前節點為 SimpleXMLElement
        $node = simplexml_import_dom($reader->expand());
        // 處理 $node->id, $node->title ...
        process_item($node);
        // 釋放節點 DOM
        $reader->next('item');
    }
}
$reader->close();
?>

六、實戰：解析複雜 API 回傳 (如微信/支付宝)

<?php
function parse_wechat_xml(string $xml): array {
    // 1. 禁用外部實體防止 XXE 攻擊
    libxml_disable_entity_loader(true);

    // 2. 解析
    $sxe = simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_NOCDATA);
    if ($sxe === false) {
        throw new Exception('XML 解析失敗: ' . libxml_get_last_error()->message);
    }

    // 3. 轉為純陣列 (遞歸)
    return json_decode(json_encode($sxe), true);
    // 注意：json_encode 會丟失屬性 @attributes、CDATA 標記、命名空間
    // 嚴格場景請手寫遞歸轉換函數
}

// 使用
$xml = file_get_contents('php://input'); // 微信回調原始 XML
$data = parse_wechat_xml($xml);
echo $data['MsgType']; // text/event/image...
?>

七、性能對比 (10MB XML, 10萬節點)

八、最佳實踐清單

1. 輸入前 iconv/mb_convert_encoding 確保 UTF-8。
2. 解析外部 XML **必須** libxml_disable_entity_loader(true) 防 XXE。
3. 使用 LIBXML_NOCDATA 將 CDATA 直接作為文本節點，避免 SimpleXMLElement 物件包裝。
4. 需轉陣列時：json_decode(json_encode($sxe), true) 簡便但有損；嚴格場景寫遞歸函數保留屬性/命名空間。
5. 大文件 (>10MB) 改用 XMLReader 流式解析。
6. 單元測試覆蓋：空節點、屬性、CDATA、命名空間、特殊字符、超大文本節點。