＜books＞ 
＜book＞ 
＜author＞Jack Herrington＜/author＞ 
＜title＞PHP Hacks＜/title＞ 
＜publisher＞O'Reilly＜/publisher＞ 
＜/book＞ 
＜book＞ 
＜author＞Jack Herrington＜/author＞ 
＜title＞Podcasting Hacks＜/title＞ 
＜publisher＞O'Reilly＜/publisher＞ 
＜/book＞ 
＜/books＞ 

　　清单 1 中的 XML 包含一个图书列表。父标记 ＜books＞ 包含一组 ＜book＞ 标记，每个
 ＜book＞ 标记又包含 ＜author＞、＜title＞ 和 ＜publisher＞ 标记。

　　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：

＜p＞This is a paragraph＜br＞
With a line break＜/p＞ 

　　这个换行标记是格式良好的 XML 和 HTML：

＜p＞This is a paragraph＜br /＞
With a line break＜/p＞ 

　　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（参见 参考资料）。
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


 
＜?php 
$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 - $publisher\n"; 
} 
?＞ 

　　脚本首先创建一个 new DOMdocument 对象，用 load 方法把图书 XML 装入这个对象。之后，脚本用
 getElementsByName 方法得到指定名称下的所有元素的列表。

　　在 book 节点的循环中，脚本用 getElementsByName 方法获得 author、publisher 和 title 
标记的 nodeValue。nodeValue 是节点中的文本。脚本然后显示这些值。

　　可以在命令行上像这样运行 PHP 脚本：

% php e1.php 
PHP Hacks - Jack Herrington - O'Reilly
Podcasting Hacks - Jack Herrington - O'Reilly
% 

　　可以看到，每个图书块输出一行。这是一个良好的开始。但是，如果不能访问 XML DOM 库该怎么办？
　　用 SAX 解析器读取 XML 

　　读取 XML 的另一种方法是使用 XML Simple API（SAX）解析器。PHP 的
大多数安装都包含 SAX 解析器。SAX 解析器运行在回调模型上。
每次打开或关闭一个标记时，或者每次解析器看到文本时，就用节点或文本的信息回调用户定义的函数。

　　SAX 解析器的优点是，它是真正轻量级的。解析器不会在内存中长期保持内容，
所以可以用于非常巨大的文件。缺点是编写 SAX 解析器回调是件非常麻烦的事。
清单 3 显示了使用 SAX 读取图书 XML 文件并显示内容的代码。

　　清单 3. 用 SAX 解析器读取图书 XML 

 
＜?php 
$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？

　　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

 
＜?php 
$xml = ""; 
$f = fopen( 'books.xml', 'r' ); 
while( $data = fread( $f, 4096 ) ) { $xml .= $data; } 
fclose( $f ); 
preg_match_all( "/\＜book\＞(.*?)\＜\/book\＞/s", 
$xml, $bookblocks ); 
foreach( $bookblocks[1] as $block ) 
{ 
preg_match_all( "/\＜author\＞(.*?)\＜\/author\＞/", 
$block, $author ); 
preg_match_all( "/\＜title\＞(.*?)\＜\/title\＞/", 
$block, $title ); 
preg_match_all( "/\＜publisher\＞(.*?)\＜\/publisher\＞/", 
$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。 

　　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

 
＜?php 
$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。

　　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 XM
L 文件。）脚本的输出如清单 6 所示。

清单 6. DOM 构建脚本的输出

 
% php e4.php 
＜?xml version="1.0"?＞ 
＜books＞ 
＜book＞ 
＜author＞Jack Herrington＜/author＞ 
＜title＞PHP Hacks＜/title＞ 
＜publisher＞O'Reilly＜/publisher＞ 
＜/book＞ 
＜book＞ 
＜author＞Jack Herrington＜/author＞ 
＜title＞Podcasting Hacks＜/title＞ 
＜publisher＞O'Reilly＜/publisher＞ 
＜/book＞ 
＜/books＞ 
% 

　　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？

　　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

 
＜?php 
$books = array(); 
$books [] = array( 
'title' =＞ 'PHP Hacks', 
'author' =＞ 'Jack Herrington', 
'publisher' =＞ "O'Reilly" 
); 
$books [] = array( 
'title' =＞ 'Podcasting Hacks', 
'author' =＞ 'Jack Herrington', 
'publisher' =＞ "O'Reilly" 
); 
?＞ 
＜books＞ 
＜?php 
foreach( $books as $book ) 
{ 
?＞ 
＜book＞ 
＜title＞＜?php echo( $book['title'] ); ?＞＜/title＞ 
＜author＞＜?php echo( $book['author'] ); ?＞ 
＜/author＞ 
＜publisher＞＜?php echo( $book['publisher'] ); ?＞ 
＜/publisher＞ 
＜/book＞ 
＜?php 
} 
?＞ 
＜/books＞ 

　　脚本的顶部与 DOM 脚本类似。脚本的底部打开 books 标记，然后在每个图书中迭代
，创建 book 标记和所有的内部 title、author 和 publisher 标记。

　　这种方法的问题是对实体进行编码。为了确保实体编码正确，必须在每个项目上调用
 htmlentities 函数，如清单 8 所示。

清单 8. 使用 htmlentities 函数对实体编码

 
＜books＞ 
＜?php 
foreach( $books as $book ) 
{ 
$title = htmlentities( $book['title'], ENT_QUOTES ); 
$author = htmlentities( $book['author'], ENT_QUOTES ); 
$publisher = htmlentities( $book['publisher'], ENT_QUOTES ); 
?＞ 
＜book＞ 
＜title＞＜?php echo( $title ); ?＞＜/title＞ 
＜author＞＜?php echo( $author ); ?＞ ＜/author＞ 
＜publisher＞＜?php echo( $publisher ); ?＞ 
＜/publisher＞ 
＜/book＞ 
＜?php 
} 
?＞ 
＜/books＞ 

　　这就是用基本的 PHP 编写 XML 的烦人之处。您以为自己创建了完美的 XML，但
是在试图使用数据的时候，马上就会发现某些元素的编码不正确。