PHP XMLReader 怎样把当前子树交给 DOM 继续处理

PHP XMLReader 适合沿着 XML 文档流向前读取，但它的游标接口并不适合每一种局部查询。当游标停在目标元素的起始节点时，可以调用 $reader->expand(new DOMDocument())，把当前节点及其子树复制成 DOM 节点，再交给 DOM API 读取属性、子节点或 XPath。这样既保留了 XMLReader 的流式入口，也只为当前业务对象建立一棵小 DOM 树。

官方地址：https://www.php.net/manual/en/xmlreader.expand.php

关键写法是先让 XMLReader 停在目标元素，再把这个“当前节点”展开到一个明确的 DOMDocument。expand() 返回的是复制出来的 DOMNode，失败时返回 false；它不会把整份 XML 自动变成 DOMDocument。

XMLReader 负责定位，DOM 负责局部处理

XMLReader 是向前移动的 XML Pull parser，当前游标一次只处在文档流中的一个节点。DOMDocument 则代表一棵完整的 XML 或 HTML 文档树。两者结合时，合理的分工是：XMLReader 负责从大文档中找到目标元素，DOM 负责在这个元素的小范围内做树形查询。

XMLReader::expand() 的语义是复制当前节点并返回相应的 DOM 对象；可选的 baseNode 参数用来指定新 DOM 对象所属的目标文档。传入 new DOMDocument('1.0', 'UTF-8')，可以让示例中的文档边界明确，也方便后续把节点交给 DOM 相关 API。

先把游标停在目标元素

展开之前不要在文本节点、结束节点或属性节点上直接调用。最稳妥的判断是同时检查 nodeType 和 name：前者保证当前节点是元素起点，后者保证它就是需要交给 DOM 的业务元素。

键盘USB办公显示器4K';

$reader = XMLReader::fromString($xml);

while ($reader->read()) {
    // 只有元素起始节点才是可展开的目标，避免误处理文本和结束节点。
    if ($reader->nodeType !== XMLReader::ELEMENT || $reader->name !== 'product') {
        continue;
    }

    // 这里先停在 product，下一节再把当前子树交给 DOM。
    echo 'found: ' . $reader->getAttribute('sku') . PHP_EOL;
}

// 输入流处理完成后显式关闭读取器。
$reader->close();

这段定位逻辑没有调用 readOuterXml()，也没有把全量 XML 交给 DOMDocument::loadXML()。目标是让后续操作只围绕当前 product 节点展开。

用 expand() 复制当前节点

定位到目标元素后，给 expand() 传入一个新的 DOMDocument。返回值可能是 DOMNode，也可能是 false，因此要把失败分支当成正常的输入或解析错误处理。

expand($targetDocument);

    // expand() 失败时返回 false，不能把它当成可访问的 DOMElement。
    if ($node === false) {
        return null;
    }

    return $node;
}

$reader = XMLReader::fromString($xml);
while ($reader->read()) {
    // 先确认当前是目标元素，再进行一次局部展开。
    if ($reader->nodeType !== XMLReader::ELEMENT || $reader->name !== 'product') {
        continue;
    }

    $productNode = expandCurrentProduct($reader);
    if ($productNode === null) {
        // 记录当前记录失败后继续读后面的 XML，避免整个批次静默中断。
        fwrite(STDERR, "product expand failed\n");
        continue;
    }

    // expand 返回的节点可按 DOMNode 使用，元素节点再读取属性和子节点。
    $sku = $productNode instanceof DOMElement ? $productNode->getAttribute('sku') : '';
    echo $sku . PHP_EOL;
}

// 明确释放流式读取资源。
$reader->close();

传入 DOMDocument 的价值在于给复制节点一个清晰的目标文档。不要把这个动作理解成“把 reader 转成 DOMReader”：原来的 XMLReader 仍然是流式游标，DOM 节点只是当前子树的一份副本。

在局部 DOM 上读取属性、子节点和 XPath

展开之后，可以选择最简单的 DOM 方法，也可以创建 DOMXPath 做更复杂的局部查询。因为查询范围已经缩小到当前 product，XPath 不必面对整份输入文档。

getElementsByTagName('name')->item(0);
    $dom = $productNode->ownerDocument;
    $xpath = $dom instanceof DOMDocument ? new DOMXPath($dom) : null;
    $tagNodes = $xpath === null
        ? []
        : $xpath->query('./tags/tag', $productNode);

    $tags = [];
    if ($tagNodes !== false) {
        foreach ($tagNodes as $tagNode) {
            // 只收集当前 product 的 tag 文本，不读取兄弟 product。
            $tags[] = trim($tagNode->textContent);
        }
    }

    return [
        'sku' => $productNode->getAttribute('sku'),
        'name' => $nameNode instanceof DOMNode ? trim($nameNode->textContent) : '',
        'tags' => $tags,
    ];
}

这里的 ./tags/tag 是相对当前节点的查询，能够把“当前子树处理”表达得更清楚。若 XML 使用命名空间，应在 DOMXPath 上注册对应前缀，再用带前缀的 XPath 查询；不能因为 local-name() 方便就忽略命名空间语义。

继续遍历时，read() 和 next() 要分工

read() 沿文档流移动到下一个节点，适合需要观察文本、嵌套元素或结束节点的细粒度遍历。next() 则用于跳过当前元素的整个子树，寻找后续指定名称的元素，适合“每个 product 独立处理、无需再看其内部流事件”的场景。

两者不要在同一个循环里随意叠加。若当前元素已经通过 expand() 处理完毕，继续使用外层 read() 会让代码按节点粒度前进；若改成 next('product')，就应围绕“next 返回的目标元素”重新组织循环，避免下一次 read() 又把刚找到的目标元素跳过去。

内存和异常边界怎么处理

• 不要长期保存 DOMNode：处理完一个目标元素后，只保留已经提取出的标量或数组，把节点变量交给下一轮覆盖。
• 展开失败要有分支：expand() 返回 false 时记录上下文并决定跳过、重试输入或终止任务，不要继续调用 getAttribute()。
• 目标元素要足够小：如果当前节点本身包含超大的二进制文本或深层日志，expand 仍会复制这棵子树；流式读取不是局部展开后的内存保证。
• 编码统一：XMLReader 文档说明内部使用 UTF-8，业务输出前仍要根据接口或文件协议决定是否转换编码。

常见问题

expand() 会不会把整份 XML 都加载进 DOM？

不会。它复制的是 XMLReader 当前节点及其子树；但如果当前节点本身很大，复制这棵局部树仍然可能占用明显内存。

为什么 expand() 后还要传 DOMDocument？

可选的 baseNode 用来指定新 DOM 对象的目标文档。传入一个明确的 DOMDocument，后续调用 ownerDocument、DOMXPath 或导入其他 DOM 节点时更容易保持文档边界清晰。

能不能直接用 readOuterXml() 替代 expand()？

可以把外层 XML 文本读出来再交给其他解析器，但那条路径需要重新解析字符串；当后续逻辑已经是 DOM API 时，expand() 直接得到 DOMNode，代码更短，也少一次序列化和解析。

什么时候只用 XMLReader，不要展开？

如果只需要读取属性、文本或固定层级的少量字段，继续使用 XMLReader 往往更省内存。只有当当前子树需要 XPath、兄弟关系、深层节点查找或 DOM 生态接口时，再把这一小段交给 DOM。

可以把这套组合记成一句话：XMLReader 负责在大文档里找对位置，expand() 负责复制当前位置，DOMDocument 和 DOMXPath 负责把这一小段树处理干净；处理完后再让 XMLReader 继续向前。