PHP XMLReader，获取版本和编码

我目前正在重写一个PHP类，该类试图将XML文件分割成更小的块，以使用XMLReader和XMLWriter，而不是当前的基本文件系统和正则表达式方法

但是，我不知道如何从XML序言中获取版本、编码和独立标志

我的测试XML文件的开头如下所示：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE fakedoctype SYSTEM "fake_doc_type.dtd">

 <!--
 This is a comment, it's here to try and get the parser to break in some way
 --> 

<root attribute="value" otherattribute="othervalue">

我可以用read（）和next（）等打开文档，但我似乎无法得到

中的任何内容。我能访问的第一件事就是伪造的DOCTYPE

我的测试代码如下：

$a = new XMLReader ();
var_dump ($a -> open ('/path/to/test/file.xml')) // true
var_dump ($a -> nodeType); // 0
var_dump ($a -> name); // ""
var_dump ($a -> readOuterXML ()); // ''
var_dump ($a -> read ()); // true
var_dump ($a -> nodeType); // 10
var_dump ($a -> readOuterXML ()); // <!DOCTYPE fakedoctype SYSTEM "fake_doc_type.dtd">

$a=newXMLReader（）；
var_dump（$a->open（'/path/to/test/file.xml'））//true
变量转储（$a->nodeType）；//0
变量转储（$a->name）；//""
var_dump（$a->readOuterXML（））；/''
变量转储（$a->read（））；//真的
变量转储（$a->nodeType）；//10
var_dump（$a->readOuterXML（））；//

当然，我可以总是假设XML1.0，编码UTF8，standalone=yes，但是为了正确起见，我更希望能够获取源提要中的值，并在生成分割文件时使用它们

---

关于XMLReader和XMLwriter的文档似乎很差，所以我很有可能错过了文档中的某些内容。有人知道在这种情况下该怎么办吗

我从

XMLReader

中了解到，即使它有

XMLReader:：XML_声明

常量，我在

XMLReader::$nodeType

属性中使用

XMLReader:：read（）

遍历文档时也从未体验过它

看起来它被跳过了，我还想知道为什么会这样，我还没有找到任何标志或选项来改变这种行为

对于输出，

XMLReader

始终返回UTF-8编码字符串。这与PHP中其他基于libxml的部分相同。所以从那一方面来说，一切都很清楚。但我假设这不是您感兴趣的部分，而是您使用

XMLReader:：open（）

打开的文件中的具体字符串输入

不是专门为

XMLReader

I创建的，它能够基于XML声明和BOM检测XML字符串的编码。我认为你应该两者都做。这是我认为您仍然需要使用正则表达式的一部分，但因为XML声明必须是第一件事，而且它是一个处理指令（PI），您应该能够在这里看到

这是

XMLRecoder

代码中的一些相关部分：

### excerpt from https://gist.github.com/hakre/5194634 

/**
 * pcre pattern to access EncodingDecl, see <http://www.w3.org/TR/REC-xml/#sec-prolog-dtd>
 */
const DECL_PATTERN = '(^<\?xml\s+version\s*=\s*(["\'])(1\.\d+)\1\s+encoding\s*=\s*(["\'])(((?!\3).)*)\3)';
const DECL_ENC_GROUP = 4;
const ENC_PATTERN = '(^[A-Za-z][A-Za-z0-9._-]*$)';

...

($result = preg_match(self::DECL_PATTERN, $buffer, $matches, PREG_OFFSET_CAPTURE))
    && $result = $matches[self::DECL_ENC_GROUP];

###摘自https://gist.github.com/hakre/5194634 
/**
*访问编码DECL的pcre模式，请参阅
*/
const DECL_PATTERN='（^是的，文档非常糟糕。我只找到非常一般的信息，“需要注意的是，libxml在内部使用UTF-8编码，因此，检索内容的编码将始终使用UTF-8编码。”-但无法检索有关原始文档的信息。如果没有其他解决方案，我可能会单独阅读文档的第一行，并使用RegExp手动解析该信息（如果重要）。考虑到所涉及的工作和回报，我认为最好假设UTF8。我一定会回到这个answ呃，如果这还不够的话。老实说，我刚才在XMLreader和XMLwriter方面遇到了比这更大的问题。：）与它们一起工作并不愉快。如果您使用的是
XMLreader
，我可以向您推荐一个我正在运行的项目，这个项目叫做XMLReader，它提供了关于XMLReader的良好接口，并解决了泛型编程（迭代器）的问题：还有一个正在运行的文件，可能会有帮助。另外，如果您能在这里将问题转化为更一般的问题，那就太好了，我们需要更多基于XMLReader的QA:）。我想说，我们真正能做的是在php.net上为XMLReader和XMLWriter编写适当的文档。：）这与其他文档的标准相差甚远。我没有错过那么多。您在这里指出的XML声明是我不太确定的事情之一，它永远不会作为
nodeType
返回。另一件可以更好地记录的事情是，它的含义是什么，因为它并不总是文本值。我认为XMLReader在这里的不同之处在于显著的空白。XMLReader在XML方面比其他LIB更具体，昨天在我的博客上刚刚链接到：
### excerpt from https://gist.github.com/hakre/5194634 

const BOM_UTF_8 = "\xEF\xBB\xBF";
const BOM_UTF_32LE = "\xFF\xFE\x00\x00";
const BOM_UTF_16LE = "\xFF\xFE";
const BOM_UTF_32BE = "\x00\x00\xFE\xFF";
const BOM_UTF_16BE = "\xFE\xFF";

...

/**
 * @param string $string string (recommended length 4 characters/octets)
 * @param string $default (optional) if none detected what to return
 * @return string Encoding, if it can not be detected defaults $default (NULL)
 * @throws InvalidArgumentException
 */
public function detectEncodingViaBom($string, $default = NULL)
{
    $len = strlen($string);

    if ($len > 4) {
        $string = substr($string, 0, 4);
    } elseif ($len < 4) {
        throw new InvalidArgumentException(sprintf("Need at least four characters, %d given.", $len));
    }

    switch (true) {
        case $string === self::BOM_UTF_16BE . $string[2] . $string[3]:
            return "UTF-16BE";

        case $string === self::BOM_UTF_8 . $string[3]:
            return "UTF-8";

        case $string === self::BOM_UTF_32LE:
            return "UTF-32LE";

        case $string === self::BOM_UTF_16LE . $string[2] . $string[3]:
            return "UTF-16LE";

        case $string === self::BOM_UTF_32BE:
            return "UTF-32BE";
    }

    return $default;
}