大文件上的 simplexml_load_string 错误发生在一个系统上，而不是另一个系统上

Question

我正在处理一个我无法编辑的第三方 PHP 库，它已经运行了将近一年。它在来自远程服务器的响应中使用simplexml_load_string。最近它一直在大响应中窒息。这是房地产列表的数据馈送，格式如下所示：

<?xml version="1.0"?>
<RETS ReplyCode="0" ReplyText="Operation Successful Reference ID: 9bac803e-b507-49b7-ac7c-d8e8e3f3aa89">
<COUNT Records="9506" />
<DELIMITER value="09" />
<COLUMNS>   sysid   1   2   3   4   5   6   </COLUMNS>
<DATA>  252370080   Residential 0.160   No  ADDR0   06051</DATA>
<DATA>  252370081   Residential 0.440   Yes ADDR0   06043</DATA>
<DATA>  252370082   Residential 1.010   No  ADDR0   06023</DATA>
<DATA>More tab delimited text</DATA>
<!-- snip 9000+ lines -->
</RETS>

我下载了响应的示例文件（大约 22MB），这是我最终调试和理智的地方。两台服务器都运行 PHP 版本 5.3.8，但请注意不同的结果。我可以确定这两个文件是相同的（我想不同的文件大小、strlen 和最后 50 个字符可以通过具有额外回车符的 Windows 换行符来解释）。测试脚本：

error_reporting(-1);
ini_set('display_errors', 1);
$file = 'error-example.xml';
$xml = file_get_contents($file);

echo 'filesize:              ';
var_dump(filesize($file));

echo 'strlen:                ';
var_dump(strlen($xml));

echo 'simplexml object?      ';
var_dump(is_object(simplexml_load_string($xml)));

echo 'Last 50 characters:    ';
var_dump(substr($xml, -50));

在 Windows 上本地输出：

filesize:              int(21893604)
strlen:                int(21893604)
simplexml object?      bool(true)
Last 50 characters:    string(50) "RD DR    CT  Watertown   203-555-5555            </DATA>
</RETS>"

远程 UNIX 服务器上的输出：

filesize:              int(21884093)
strlen:                int(21884093)
simplexml object?      
Warning: simplexml_load_string(): Entity: line 9511: parser error : internal error in /path/to/test.php on line 19

Warning: simplexml_load_string(): AULTED CEILING IN FOYER, BRICK FP IN FR, NEW FLOORING IN LR DR FR FOYER KITCHEN  in /path/to/test.php on line 19

Warning: simplexml_load_string():                                                                                ^ in /path/to/test.php on line 19

Warning: simplexml_load_string(): Entity: line 9511: parser error : Extra content at the end of the document in /path/to/test.php on line 19

Warning: simplexml_load_string(): AULTED CEILING IN FOYER, BRICK FP IN FR, NEW FLOORING IN LR DR FR FOYER KITCHEN  in /path/to/test.php on line 19

Warning: simplexml_load_string():                                                                                ^ in /path/to/test.php on line 19
bool(false)
Last 50 characters:    string(50) "ORD DR   CT  Watertown   203-555-5555            </DATA>
</RETS>"

对 cme​​ts 的一些回复和其他信息：

• 据我所知，XML 本身似乎是有效的（它确实在我的系统上工作）。

• magic_quotes_runtime 肯定关闭了。

• 工作服务器具有 libxml 版本 2.7.7，而另一个具有 2.7.6。这真的能有所作为吗？我找不到 libxml 更改日志，但似乎不太可能。

• 这似乎只发生在响应/文件超过一定大小时，并且错误总是发生在倒数第二行。

• 我没有遇到内存问题，测试脚本会立即运行。

如果我知道哪些是相关的，我可以发布这些 PHP 配置的差异。知道问题可能是什么，或者知道我可能想要检查的其他任何内容吗？

Answer 1

libxml2 changelog 包含"608773 add a missing check in xmlGROW (Daniel Veillard)"，这似乎与输入缓冲有关。请注意，我对 libxml2 的内部结构一无所知任何事情，但可以想象您已经解决了 2.7.7 中修复的 2.7.6 错误。

检查直接使用simplexml_load_file()时行为是否有任何不同，并尝试设置libxml解析器相关选项，例如

simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_COMPACT | LIBXML_PARSEHUGE)

具体来说，您可能想试试LIBXML_PARSEHUGE 标志。

http://php.net/manual/en/libxml.constants.php
XML_PARSE_HUGE 标志放宽解析器的任何硬编码限制。这会影响文档的最大深度或实体递归等限制，以及文本节点大小的限制。

Answer 2

我的 XMLSpy 确认您的 XML 文件（我从您提供的链接下载的）没有问题并且格式正确。

然而，一个潜在的问题是 XML 序言中缺少“编码”属性这一事实：根据您的 libxml2 版本，我猜可能会出现以下情况： 服务器检查编码属性，如果缺少哪个服务器回退到某个默认值（配置设置）。也许较旧的库版本不检查 BOM。

另请参阅此链接，他们与 libxml 有类似的编码问题： https://*.com/questions/4724241/utf-8-problems-with-php-dom-on-debian-server

其本质是升级你的 libxml 库确实可以解决问题。或者，可能值得检查配置中的默认编码设置。

根据我的 XMLSpy，该文件是 utf-8 编码的 - 作为测试，也许值得检查是否指定

<?xml version="1.0" encoding="UTF-8"?>

因为文件序言阻止您的 Unix 服务器阻塞。

Answer 3

您的 XML 无效，在这两种情况下都会导致问题。

你只需要一个根。

即。一切都应该在您的标签内：

<?xml version="1.0"?>
<RETS>
    ...
</RETS>

您的 XML 中有多个根，这将导致问题 :-)

尝试将其全部包装在根节点中，看看是否有效。

<?xml version="1.0"?>
<rootNode>
    <RETS>
    ...
    </RETS>
    <count bla="99" />
</rootNode>

我不确定这是否是 libxml 中的差异，或者是不同级别的错误报告允许它在一个而不是另一个上工作，但这对我来说似乎是个问题。