PHP - 读取和修复大型无效 XML 文件

我必须读取一些相当重的 XML 文件（200 MB 到 1 GB 之间），其中一些文件是无效的。让我举一个小例子：

<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:g="http://base.google.com/ns/1.0" version="2.0">
  <item>
    <title>Some article</title>
    <g:material><ul><li>50 % Coton</li><li>50% Lyocell</li></g:material>
  </item>
</rss>

显然，有一个缺失</ul>中的结束标签g:material标签。此外，开发这种饲料的人应该已经附上g:material内容进入CDATA，他们没有......基本上，这就是我想做的：添加这个缺失的CDATA部分。

我尝试使用 SAX 解析器来读取此文件，但读取时失败</g:material>标签自</ul>标签丢失。我尝试过使用 XMLReader 但遇到了基本相同的问题。 我可能可以使用 DomDocument::loadHtml 做一些事情，但是这个文件的大小与 DOM 方法并不真正兼容。 您知道如何简单地修复此提要，而无需购买大量 RAM 来让 DomDocument 工作吗？ 谢谢。

如果文件太大而无法使用Tidy http://www.php.net/manual/en/book.tidy.php扩展，您可以使用整洁的 CLI 工具 http://linux.die.net/man/1/tidy使文件可解析。

$ tidy -output my.clean.xml my.xml

之后，XML 文件格式正确，因此您可以使用 XMLReader 来解析它们。由于 tidy 添加了“缺失”的 (X)HTML 部分，因此原始文档的代码位于元素内部。