jack herrington
php教程 hacks
o'reilly
jack herrington
podcasting hacks
o'reilly
1 中的 xml 包含一个图书列表。父标记 this is a paragraph this is a paragraph
当 xml 文档的标记结构和内容得到外部模式文件的验证后,xml 文档就是正确的。模式文件可以用不同的格式指定。对于本文来说,所需要的只是格式良好的 xml。
如果觉得 xml 看起来很像超文本标记语言(html),那么就对了。xml 和 html 都是基于标记的语言,它们有许多相似之处。但是,要着重指出的是:虽然 xml 文档可能是格式良好的 html,但不是所有的 html 文档都是格式良好的 xml。换行标记(br)是 xml 和 html 之间区别的一个好例子。这个换行标记是格式良好的 html,但不是格式良好的 xml:
with a line break
这个换行标记是格式良好的 xml 和 html:
with a line break
如果要把 html 编写成同样是格式良好的 xml,请遵循 w3c 委员会的可扩展超文本标记语言(xhtml)标准。所有现代的浏览器都能呈现 xhtml。而且,还可以用 xml 工具读取 xhtml 并找出文档中的数据,这比解析 html 容易得多。
使用 dom 库读取 xml
读取格式良好的 xml 文件最容易的方式是使用编译成某些 php 安装的文档对象模型 (dom)库。dom 库把整个 xml 文档读入内存,并用节点树表示它,如图 1 所示。
图 1. 图书 xml 的 xml dom 树
树顶部的 books 节点有两个 book 子标记。在每本书中,有 author、publisher 和 title 几个节点。author、publisher 和 title 节点分别有包含文本的文本子节点。
读取图书 xml 文件并用 dom 显示内容的代码如清单 2 所示。
清单 2. 用 dom 读取图书 xml
复制代码 代码如下:
$doc = new domdocument();
$doc->load( 'books.xml' );
$books = $doc->getelementsbytagname( "book" );
foreach( $books as $book )
{
$authors = $book->getelementsbytagname( "author" );
$author = $authors->item(0)->nodevalue;
$publishers = $book->getelementsbytagname( "publisher" );
$publisher = $publishers->item(0)->nodevalue;
$titles = $book->getelementsbytagname( "title" );
$title = $titles->item(0)->nodevalue;
echo "$title - $author - $publishern";
}
?>
$g_books = array();
$g_elem = null;
function startelement( $parser, $name, $attrs )
{
global $g_books, $g_elem;
if ( $name == 'book' ) $g_books []= array();
$g_elem = $name;
}
function endelement( $parser, $name )
{
global $g_elem;
$g_elem = null;
}
function textdata( $parser, $text )
{
global $g_books, $g_elem;
if ( $g_elem == 'author' ||
$g_elem == 'publisher' ||
$g_elem == 'title' )
{
$g_books[ count( $g_books ) - 1 ][ $g_elem ] = $text;
}
}
$parser = xml_parser_create();
xml_set_element_handler( $parser, "startelement", "endelement" );
xml_set_character_data_handler( $parser, "textdata" );
$f = fopen( 'books.xml', 'r' );
while( $data = fread( $f, 4096 ) )
{
xml_parse( $parser, $data );
}
xml_parser_free( $parser );
foreach( $g_books as $book )
{
echo $book['title']." - ".$book['author']." - ";
echo $book['publisher']."n";
}
?>
脚本首先设置 g_books 数组,它在内存中容纳所有图书和图书信息,g_elem 变量保存脚本目前正在处理的标记的名称。然后脚本定义回调函数。在这个示例中,回调函数是 startelement、endelement 和 textdata。在打开和关闭标记的时候,分别调用 startelement 和 endelement 函数。在开始和结束标记之间的文本上面,调用 textdata。
在这个示例中,startelement 标记查找 book 标记,在 book 数组中开始一个新元素。然后,textdata 函数查看当前元素,看它是不是 publisher、title 或 author 标记。如果是,函数就把当前文本放入当前图书。
为了让解析继续,脚本用 xml_parser_create 函数创建解析器。然后,设置回调句柄。之后,脚本读取文件并把文件的大块内容发送到解析器。在文件读取之后,xml_parser_free 函数删除解析器。脚本的末尾输出 g_books 数组的内容。
可以看到,这比编写 dom 的同样功能要困难得多。如果没有 dom 库也没有 sax 库该怎么办?还有替代方案么?
--------------------------------------------------------------------------------
回页首
用正则表达式解析 xml
可以肯定,即使提到这个方法,有些工程师也会批评我,但是确实可以用正则表达式解析 xml。清单 4 显示了使用 preg_ 函数读取图书文件的示例。
清单 4. 用正则表达式读取 xml
复制代码 代码如下:
$xml = "";
$f = fopen( 'books.xml', 'r' );
while( $data = fread( $f, 4096 ) ) { $xml .= $data; }
fclose( $f );
preg_match_all( "/(.*?) /s",
$xml, $bookblocks );
foreach( $bookblocks[1] as $block )
{
preg_match_all( "/(.*?) /",
$block, $author );
preg_match_all( "/(.*?) /",
$block, $title );
preg_match_all( "/(.*?) /",
$block, $publisher );
echo( $title[1][0]." - ".$author[1][0]." - ".
$publisher[1][0]."n" );
}
?>
请注意这个代码有多短。开始时,它把文件读进一个大的字符串。然后用一个 regex 函数读取每个图书项目。最后用 foreach 循环,在每个图书块间循环,并提取出 author、title 和 publisher。
那么,缺陷在哪呢?使用正则表达式代码读取 xml 的问题是,它并没先进行检查,确保 xml 的格式良好。这意味着在读取之前,无法知道 xml 是否格式良好。而且,有些格式正确的 xml 可能与正则表达式不匹配,所以日后必须修改它们。
我从不建议使用正则表达式读取 xml,但是有时它是兼容性最好的方式,因为正则表达式函数总是可用的。不要用正则表达式读取直接来自用户的 xml,因为无法控制这类 xml 的格式或结构。应当一直用 dom 库或 sax 解析器读取来自用户的 xml。
--------------------------------------------------------------------------------
回页首
用 dom 编写 xml
读取 xml 只是公式的一部分。该怎样编写 xml 呢?编写 xml 最好的方式就是用 dom。清单 5 显示了 dom 构建图书 xml 文件的方式。
清单 5. 用 dom 编写图书 xml
复制代码 代码如下:
$books = array();
$books [] = array(
'title' => 'php hacks',
'author' => 'jack herrington',
'publisher' => "o'reilly"
);
$books [] = array(
'title' => 'podcasting hacks',
'author' => 'jack herrington',
'publisher' => "o'reilly"
);
$doc = new domdocument();
$doc->formatoutput = true;
$r = $doc->createelement( "books" );
$doc->appendchild( $r );
foreach( $books as $book )
{
$b = $doc->createelement( "book" );
$author = $doc->createelement( "author" );
$author->appendchild(
$doc->createtextnode( $book['author'] )
);
$b->appendchild( $author );
$title = $doc->createelement( "title" );
$title->appendchild(
$doc->createtextnode( $book['title'] )
);
$b->appendchild( $title );
$publisher = $doc->createelement( "publisher" );
$publisher->appendchild(
$doc->createtextnode( $book['publisher'] )
);
$b->appendchild( $publisher );
$r->appendchild( $b );
}
echo $doc->savexml();
?>
在脚本的顶部,用一些示例图书装入了 books 数组。这个数据可以来自用户也可以来自数据库教程。
示例图书装入之后,脚本创建一个 new domdocument,并把根节点 books 添加到它。然后脚本为每本书的 author、title 和 publisher 创建节点,并为每个节点添加文本节点。每个 book 节点的最后一步是重新把它添加到根节点 books。
脚本的末尾用 savexml 方法把 xml 输出到控制台。(也可以用 save 方法创建一个 xml 文件。)脚本的输出如清单 6 所示。
清单 6. dom 构建脚本的输出
复制代码 代码如下:
php e4.php
jack herrington
php hacks
o'reilly
jack herrington
podcasting hacks
o'reilly
使用 dom 的真正价值在于它创建的 xml 总是格式正确的。但是如果不能用 dom 创建 xml 时该怎么办?
--------------------------------------------------------------------------------
回页首
用 php 编写 xml
如果 dom 不可用,可以用 php 的文本模板编写 xml。清单 7 显示了 php 如何构建图书 xml 文件。
清单 7. 用 php 编写图书 xml
复制代码 代码如下:
$books = array();
$books [] = array(
'title' => 'php hacks',
'author' => 'jack herrington',
'publisher' => "o'reilly"
);
$books [] = array(
'title' => 'podcasting hacks',
'author' => 'jack herrington',
'publisher' => "o'reilly"
);
?>
foreach( $books as $book )
{
?>
}
?>
foreach( $books as $book )
{
$title = htmlentities( $book['title'], ent_quotes );
$author = htmlentities( $book['author'], ent_quotes );
$publisher = htmlentities( $book['publisher'], ent_quotes );
?>
}
?>