PHP的XML分析函数

首先我得承认我喜欢计算机标准。假如每个人都遵从这个行业的标准，互联网将会是一个更好的媒体。使用标准化的数据交换格式才能使开放的和独立于平台的计算模式切实可行。这就是我作为XML爱好者的原因。

幸运的是，我最喜爱的脚本语言不但支持XML而且对其支持正不断加强。PHP可以让我迅速将XML文档发布到互联网上，收集XML文档的统计信息，将XML文档转换成其它格式。例如，我时常用PHP的XML处理能力来治理我用XML所写的文章和书。

本文中，我将讨论任何用PHP内建的Expat解析器来处理XML文档。通过范例，我将演示Expat的处理方法。同时，范例可以告诉你如何：

建立你自己的处理函数
将XML文档转换成你自己的PHP数据结构

介绍Expat

XML的解析器，同样称为XML处理器，可以使程序访问XML文档的结构和内容。Expat是PHP脚本语言的XML解析器。它同时也运用在其它项目中，例如Mozilla、Apache和Perl。

什么是基于事件的解析器？

XML解析器的两种基本类型：

基于树型的解析器：将XML文档转换成树型结构。这类解析器分析整篇文章，同时提供一个API来访问所产生树的每个元素。其通用的标准为DOM（文档对象模式）。
基于事件的解析器：将XML文档视为一系列的事件。当一个非凡事件发生时，解析器将调用开发者提供的函数来处理。
基于事件的解析器有一个XML文档的数据集中视图，也就是说它集中在XML文档的数据部分，而不是其结构。这些解析器从头到尾处理文档，并将类似于－元素的开始、元素的结尾、特征数据的开始等等－事件通过回调（callback）函数报告给应用程序。以下是一个"Hello-World"的XML文档范例：


Hello World


基于事件的解析器将报告为三个事件：

开始元素：greeting
CDATA项的开始，值为：Hello World
结束元素：greeting
不像基于树型的解析器，基于事件的解析器不产生描述文档的结构。在CDATA项中，基于事件的解析器不会让你得到父元素greeting的信息。
然而，它提供一个更底层的访问，这就使得可以更好地利用资源和更快地访问。通过这种方式，就没有必要将整个文档放入内存；而事实上，整个文档甚至可以大于实际内存值。


Expat就是这样的一种基于事件的解析器。当然假如使用Expat，必要时它一样可以在PHP中生成完全的原生树结构。


上面Hello-World的范例包括完整的XML格式。但它是无效的，因为既没有DTD（文档类型定义）与其联系，也没有内嵌DTD。


对于Expat，这并没有区别：Expat是一个不检查有效性的解析器，因此忽略任何与文档联系的DTD。但应注重的是文档仍然需要完整的格式，否则Expat（和其他符合XML标准的解析器一样）将会随着出错信息而停止。


作为不检查有效性的解析器，Exapt的快速性和轻便性使其十分适合互联网程序。


编译Expat

Expat可以编译进PHP3.0.6版本（或以上）中。从Apache1.3.9开始，Expat已经作为Apache的一部分。在Unix系统中，通过-with-xml选项配置PHP，你可以将其编译入PHP。


假如你将PHP编译为Apache的模块，而Expat将默认作为Apache的一部分。在Windows中，你则必须要加载XML动态连接库。

XML范例：XMLstats

了解Expat的函数的一个办法就是通过范例。我们所要讨论的范例是使用Expat来收集XML文档的统计数据。


对于文档中每个元素，以下信息都将被输出：

该元素在文档中使用的次数
该元素中字符数据的数量
元素的父元素
元素的子元素
注重：为了演示，我们利用PHP来产生一个结构来保存元素的父元素和子元素

预备

用于产生XML解析器实例的函数为xml_parser_create()。该实例将用于以后的所有函数。这个思路非常类似于PHP中MySQL函数的连接标记。在解析文档前，基于事件的解析器通常要求你注册回调函数－用于特定的事件发生时调用。Expat没有例外事件，它定义了如下七个可能事件：


对象 XML解析函数 描述

元素 xml_set_element_handler() 元素的开始和结束

字符数据 xml_set_character_data_handler() 字符数据的开始

外部实体 xml_set_external_entity_ref_handler() 外部实体出现

未解析外部实体 xml_set_unparsed_entity_decl_handler() 未解析的外部实体出现