Lidar com erros de XML ao carregar documentos é uma tarefa muito simples. Usando a funcionalidade libxml é possível suprimir todos os erros XML ao carregar o documento e então iterar sobre os erros.
O objeto libXMLError, retornado por libxml_get_errors(), contém várias propriedades incluindo a mensagem, a linha e a coluna (posição) do erro.
Exemplo #1 Carregando string XML quebrada
<?php
libxml_use_internal_errors(true);
$sxe = simplexml_load_string("<?xml version='1.0'><quebrada><xml></quebrada>");
if ($sxe === false) {
echo "Falha ao carregar o XML\n";
foreach(libxml_get_errors() as $error) {
echo "\t", $error->message;
}
}
?>O exemplo acima produzirá:
Falha ao carregar o XML
Blank needed here
parsing XML declaration: '?>' expected
Opening and ending tag mismatch: xml line 1 and quebrada
Premature end of data in tag quebrada line 1
Note that "if (! $sxe) {" may give you a false-negative if the XML document was empty (e.g. "<root />"). In that case, $sxe will be:
object(SimpleXMLElement)#1 (0) {
}
which will evaluate to false, even though nothing technically went wrong.
Consider instead: "if ($sxe === false) {"If you need to process the content of your broken XML-doc you might find this interesting. It has blown past a few simple corruptions for me.
http://php.net/manual/en/class.domdocument.php#domdocument.props.recoverNow that the /e modifier is considered deprecated in preg_replace, you can use a negative lookahead to replace unescaped ampersands with & without throwing warnings:
$str = preg_replace('/&(?!;{6})/', '&', $str);
You probably should have been doing this before /e was deprecated, actually.