如何在PHP中解析OFX(版本1.0.2)文件？

Question

我有一个从花旗银行下载的OFX文件,这个文件有一个在http://www.ofx.net/DownloadPage/Files/ofx102spec.zip(文件OFXBANK.DTD)定义的DTD ,OFX文件似乎是SGML有效的.我正在尝试使用PHP 5.4.13的DomDocument,但是我得到了几个警告并且文件未被解析.我的代码是:

$file = "source/ACCT_013.OFX";
$dtd = "source/ofx102spec/OFXBANK.DTD";
$doc = new DomDocument();
$doc->loadHTMLFile($file);
$doc->schemaValidate($dtd);
$dom->validateOnParse = true;

OFX文件起始于:

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>20130331073401
<LANGUAGE>SPA
</SONRS>
</SIGNONMSGSRSV1>
<BANKMSGSRSV1>
<STMTTRNRS>
<TRNUID>0
<STATUS>
<CODE>0
<SEVERITY>INFO
</STATUS>
<STMTRS>
<CURDEF>COP
<BANKACCTFROM> ...

我打开安装和使用Server(Centos)中的任何程序来从PHP调用.

PD:这个课程http://www.phpclasses.org/package/5778-PHP-Parse-and-extract-financial-records-from-OFX-files.html对我不起作用.

Answer 1

首先，即使 XML 是 SGML 的子集，有效的 SGML 文件也不能是格式良好的 XML 文件。XML 更为严格，并且不使用 SGML 提供的所有功能。

由于DOMDocument是基于XML（而不是SGML），这是不是真的兼容。

在该问题旁边，请参阅Ofexfin1.doc 中的2.2 Open Financial Exchange Headers它向您解释了

Open Financial Exchange 文件的内容由一组简单的标题和由该标题定义的内容组成

并进一步：

最后一个标题后面有一个空行。然后（对于 OFXSGML 类型），SGML 可读数据以 <OFX> 标记开始。

因此，找到第一个空行并删除所有内容直到那里。然后通过首先将 SGML 转换为 XML 将 SGML 部分加载到 DOMDocument 中：

$source = fopen('file.ofx', 'r');
if (!$source) {
    throw new Exception('Unable to open OFX file.');
}

// skip headers of OFX file
$headers = array();
$charsets = array(
    1252 => 'WINDOWS-1251',
);
while(!feof($source)) {
    $line = trim(fgets($source));
    if ($line === '') {
        break;
    }
    list($header, $value) = explode(':', $line, 2);
    $headers[$header] = $value;
}

$buffer = '';

// dead-cheap SGML to XML conversion
// see as well http://www.hanselman.com/blog/PostprocessingAutoClosedSGMLTagsWithTheSGMLReader.aspx
while(!feof($source)) {

    $line = trim(fgets($source));
    if ($line === '') continue;

    $line = iconv($charsets[$headers['CHARSET']], 'UTF-8', $line);
    if (substr($line, -1, 1) !== '>') {
        list($tag) = explode('>', $line, 2);
        $line .= '</' . substr($tag, 1) . '>';
    }
    $buffer .= $line ."\n";
}

// use DOMDocument with non-standard recover mode
$doc = new DOMDocument();
$doc->recover = true;
$doc->preserveWhiteSpace = false;
$doc->formatOutput = true;
$save = libxml_use_internal_errors(true);
$doc->loadXML($buffer);
libxml_use_internal_errors($save);

echo $doc->saveXML();

此代码示例然后输出以下（重新格式化的）XML，它也显示 DOMDocument 正确加载了数据：

<?xml version="1.0"?>
<OFX>
  <SIGNONMSGSRSV1>
    <SONRS>
      <STATUS>
        <CODE>0</CODE>
        <SEVERITY>INFO</SEVERITY>
      </STATUS>
      <DTSERVER>20130331073401</DTSERVER>
      <LANGUAGE>SPA</LANGUAGE>
    </SONRS>
  </SIGNONMSGSRSV1>
  <BANKMSGSRSV1>
    <STMTTRNRS>
      <TRNUID>0</TRNUID>
      <STATUS>
        <CODE>0</CODE>
        <SEVERITY>INFO</SEVERITY>
      </STATUS>
      <STMTRS><CURDEF>COP</CURDEF><BANKACCTFROM> ...</BANKACCTFROM>
</STMTRS>
    </STMTTRNRS>
  </BANKMSGSRSV1>
</OFX>

我不知道这是否可以针对 DTD 进行验证。也许这有效。此外，如果 SGML 没有在同一行上使用标记的值写入（并且每行只需要一个元素），那么这种脆弱的转换就会中断。