本文介绍如何使用 php 的 domdocument 与 domxpath，精准匹配两个 xml 源（mainsource.xml 和 newsource.xml）中人员的 email 字段，并将 newsource 中的 website_url 节点自动注入到 mainsource 对应 person 节点下，实现无重复、高可靠的数据合并。
在处理多源人员数据整合时，仅靠简单循环（如 foreach($doc->person)）无法跨文档建立关联——因为 DOMDocument 原生不支持直接通过属性或文本内容进行跨文档查找。此时，DOMXPath 是核心解法：它提供类似 SQL 的查询能力，可高效定位节点、匹配文本值，并安全导入外部节点。
以下是一个完整、健壮、可直接运行的 PHP 教程实现：
✅ 正确做法：使用 XPath 进行跨文档邮箱匹配与节点注入
<?php
// 加载主数据源（待更新）
$doc1 = new DOMDocument();
$doc1->load('MainSource.xml'); // 或用 loadXML() 配合 file_get_contents()
// 加载新数据源（提供补充字段）
$doc2 = new DOMDocument();
$doc2->load('NewSource.xml');
// 为两个文档分别创建 XPath 查询器
$xpath1 = new DOMXPath($doc1);
$xpath2 = new DOMXPath($doc2);
// 步骤1：遍历 MainSource 中每个 person 的 <email> 文本内容
$emailNodes = $xpath1->query('//person/email');
foreach ($emailNodes as $emailNode) {
$emailValue = trim($emailNode->textContent);
// 安全防护：跳过空邮箱，避免 XPath 注入（此处为纯文本匹配，但需警惕特殊字符）
if (empty($emailValue)) {
continue;
}
// 步骤2：定位当前 email 所属的 <person> 父节点（即插入目标位置）
$personNode = $xpath1->query('parent::person', $emailNode)->item(0);
if (!$personNode) {
continue;
}
// 步骤3：在 NewSource 中查找 email 完全匹配的 person，并提取其 website_url
// 注意：XPath 中需对单引号转义 —— 使用 concat() 或更稳妥地用双引号包裹变量（PHP 字符串已处理）
$escapedEmail = addslashes($emailValue); // 基础转义（适用于简单邮箱）
$query = "//person[email/text() = '$escapedEmail']/website_url";
$websiteNodes = $xpath2->query($query);
if ($websiteNodes->length > 0) {
// 步骤4：将 NewSource 中的 website_url 节点导入 MainSource（深拷贝）
$importedNode = $doc1->importNode($websiteNodes->item(0), true);
// 步骤5：追加到对应 person 节点末尾
$personNode->appendChild($importedNode);
}
}
// 保存合并结果（格式化输出可选：设置 preserveWhiteSpace = false + formatOutput = true）
$doc1->preserveWhiteSpace = false;
$doc1->formatOutput = true;
file_put_contents('MergedSource.xml', $doc1->saveXML());
echo "✅ 合并完成！共处理 " . $emailNodes->length . " 条记录。\n";
?>⚠️ 关键注意事项
-
邮箱内容需纯净：示例中 email 包含 标签（Cloudflare 邮箱保护），因此 textContent 可正确提取真实邮箱；若 XML 中 email 是纯文本（如
user@example.com ），该方案依然适用。 - 避免 == 或 === 直接比较 DOMNode：$doc1->person 并非有效语法（DOM 不支持属性式访问），必须用 XPath 查询。
- importNode() 不可省略：直接 appendChild($websiteNodes->item(0)) 会报错，因节点属于另一文档上下文；importNode() 是跨文档操作的强制要求。
- 性能提示：对于大规模数据（>1000 条），建议先将 NewSource 的 email → website_url 构建为 PHP 关联数组（一次遍历），再遍历 MainSource 查找，可显著提升效率（O(n+m) 替代 O(n×m) XPath 查询）。
✅ 最终效果
合并后，MergedSource.xml 中每个匹配成功的
此方法兼具准确性、可维护性与扩展性——未来如需同步 job_title 或 avatar_url，只需在 XPath 查询和节点导入逻辑中增加对应字段即可。
