如何解析这个 OFX 文件？

这是原始 ofx 文件，因为它来自 m 银行（不用担心，没有什么敏感信息，我剪掉了所有交易的中间部分）

开放金融交易所（OFX）是一个 用于交换的数据流格式 演变的财务信息 来自微软的开放金融 连接 (OFC) 和 Intuit 的 Open 交换文件格式。

现在我需要解析这个。我已经看到了question https://stackoverflow.com/questions/2221608/how-to-parse-a-malformed-xml-ofx-with-ofx4j，但这不是重复，因为我对如何做到这一点感兴趣。

我确信我可以找出一些聪明的正则表达式来完成这项工作，但这很丑陋并且容易出错（如果格式更改，某些字段可能会丢失，格式/空格不同等等......）

OFXHEADER:100
DATA:OFXSGML
VERSION:102
SECURITY:NONE
ENCODING:USASCII
CHARSET:1252
COMPRESSION:NONE
OLDFILEUID:NONE
NEWFILEUID:NONE
<OFX>
    <SIGNONMSGSRSV1>
        <SONRS>
            <STATUS>
                <CODE>0
                <SEVERITY>INFO
            </STATUS>
            <DTSERVER>20110420000000[+1:CET]
            <LANGUAGE>ENG
        </SONRS>
    </SIGNONMSGSRSV1>
    <BANKMSGSRSV1>
        <STMTTRNRS>
            <TRNUID>1
            <STATUS>
                <CODE>0
                <SEVERITY>INFO
            </STATUS>
            <STMTRS>
                <CURDEF>EUR
                <BANKACCTFROM>
                    <BANKID>20404
                    <ACCTID>02608983629
                    <ACCTTYPE>CHECKING
                </BANKACCTFROM>
                    <BANKTRANLIST>
                    <DTSTART>20110207
                    <DTEND>20110419
                    <STMTTRN>
                        <TRNTYPE>XFER
                        <DTPOSTED>20110205000000[+1:CET]
                        <TRNAMT>-6.12
                        <FITID>C74BD430D5FF2521
                        <NAME>unbekannt
                        <MEMO>BILLA DANKT  1265P K2 05.02.UM 17.49 
                    </STMTTRN>
                    <STMTTRN>
                        <TRNTYPE>XFER
                        <DTPOSTED>20110207000000[+1:CET]
                        <TRNAMT>-10.00
                        <FITID>C74BE0F90A657901
                        <NAME>unbekannt
                        <MEMO>AUTOMAT  13177 KARTE2 07.02.UM 10:22 
                    </STMTTRN>
............................. goes on like this ........................
                    <STMTTRN>
                        <TRNTYPE>XFER
                        <DTPOSTED>20110418000000[+1:CET]
                        <TRNAMT>-9.45
                        <FITID>C7A5071492D14D29
                        <NAME>unbekannt
                        <MEMO>HOFER DANKT  0408P K2 18.04.UM 18.47 
                    </STMTTRN>
                </BANKTRANLIST>
                <LEDGERBAL>
                    <BALAMT>1992.29
                    <DTASOF>20110420000000[+1:CET]
                </LEDGERBAL>
            </STMTRS>
        </STMTTRNRS>
    </BANKMSGSRSV1>
</OFX>

我目前使用这段代码，它给了我想要的结果：

<?

$files = array();
$files[] = '***_2011001.ofx';
$files[] = '***_2011002.ofx';
$files[] = '***_2011003.ofx';

system('touch file.csv && chmod 777 file.csv');
$fp = fopen('file.csv', 'w');

foreach($files as $file) {
    echo $file."...\n";
    $content = file_get_contents($file);

    $content = str_replace("\n","",$content);
    $content = str_replace(" ","",$content);

    $regex = '|<STMTTRN><TRNTYPE>(.+?)<DTPOSTED>(.+?)<TRNAMT>(.+?)<FITID>(.+?)<NAME>(.+?)<MEMO>(.+?)</STMTTRN>|';


    echo preg_match_all($regex,$content,$matches,PREG_SET_ORDER)." matches... \n";


    foreach($matches as $match) {
        echo ".";
        array_shift($match);
        fputcsv($fp, $match);
    }
    echo "\n";
}
echo "done.\n";
fclose($fp);

这真的很难看，如果这是一个有效的 xml 文件，我个人会为此自杀，但如何做得更好呢？

考虑到该文件不是 XML 甚至 SGML，您的代码看起来不错。您唯一能做的就是尝试制作一个更通用的类似 SAX 的解析器。也就是说，您只需一次一个块地浏览输入流（其中块可以是任何内容，例如一行或只是一组字符）。然后，每次遇到异常时调用回调函数<ELEMENT>。您甚至可以像构建解析器类一样幻想，在其中可以注册侦听特定元素的回调函数。

它将更加通用并且不那么“丑陋”（对于“丑陋”的某些定义），但是需要维护更多的代码。如果您需要大量解析此文件格式（或许多不同的变体），那么这样做很高兴，也很高兴拥有。如果您发布的代码是您执行此操作的唯一位置，那么只需KISS http://en.wikipedia.org/wiki/KISS_principle.