Go homepage(回首页)
Upload pictures (上传图片)
Write articles (发文字帖)

The author:(作者)归海一刀
published in(发表于) 2014/2/10 6:55:23
用PHP读取和编写XML DOM_[PHP教程]

用PHP读取和编写XML DOM_[PHP教程]

有许多技术可用于用 PHP 读取和编写 XML。本文提供了三种方法读取 XML:使用 DOM 库、使用 SAX 解析器和使用正则表达式。还介绍了使用 DOM 和 PHP 文本模板编写 XML。

用 PHP 读取和编写可扩展标记语言(XML)看起来可能有点恐怖。实际上,XML 和它的所有相关技术可能是恐怖的,但是用 PHP 读取和编写 XML 不一定是项恐怖的任务。首先,需要学习一点关于 XML 的知识 —— 它是什么,用它做什么。然后,需要学习如何用 PHP 读取和编写 XML,而有许多种方式可以做这件事。


本文提供了 XML 的简短入门,然后解释如何用 PHP 读取和编写 XML。


什么是 XML?


XML 是一种数据存储格式。它没有定义保存什么数据,也没有定义数据的格式。XML 只是定义了标记和这些标记的属性。格式良好的 XML 标记看起来像这样:


Jack Herrington


这个 标记包含一些文本:Jack Herrington。


不包含文本的 XML 标记看起来像这样:



用 XML 对某件事进行编写的方式不止一种。例如,这个标记形成的输出与前一个标记相同:



也可以向 XML 标记添加属性。例如,这个 标记包含 first 和 last 属性:



也可以用 XML 对特殊字符进行编码。例如,& 符号可以像这样编码:


&


包含标记和属性的 XML 文件如果像示例一样格式化,就是格式良好的,这意味着标记是对称的,字符的编码正确。清单 1 是一份格式良好的 XML 的示例。


清单 1. XML 图书列表示例

 

Jack Herrington
PHP Hacks
O'Reilly


Jack Herrington
Podcasting Hacks
O'Reilly




清单 1 中的 XML 包含一个图书列表。父标记 包含一组 标记,每个 标记又包含 和 <publisher> 标记。</P><br/><P>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。</P><br/><P>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><p>This is a paragraph<br/><BR>With a line break</p> <br/><P>这个换行标记是格式良好的 XML 和 HTML:</P><p>This is a paragraph<br /><BR>With a line break</p> <br/><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。</P><BR><br/><img height=1 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232964077801.gif" width=565><br/><img height=16 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232970377802.gif" width=16 border=0><BR><br/><BR><BR><br/><P>使用 DOM 库读取 XML</P><br/><P>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。</P><BR>图 1. 图书 XML 的 XML DOM 树<BR><img height=227 alt="" src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232975077803.gif" width=392><BR><br/><P>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。</P><br/><P>读取图书 XML 文件并用 DOM 显示内容的代码如清单 2 所示。</P><BR>清单 2. 用 DOM 读取图书 XML<BR><br/><PRE> <?php<br/>doc = new DOMDocument();<br/>doc->load( 'books.xml' );<br/>books = doc->getElementsByTagName( "book" );<br/>foreach( books as book )<br/>{<br/>authors = book->getElementsByTagName( "author" );<br/>author = authors->item(0)->nodeValue;<br/>publishers = book->getElementsByTagName( "publisher" );<br/>publisher = publishers->item(0)->nodeValue;<br/>titles = book->getElementsByTagName( "title" );<br/>title = titles->item(0)->nodeValue;<br/>echo "title - author - publisher\n";<br/>}<br/>?><br/></PRE><BR><br/><P>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。</P><br/><P>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。</P><br/><P>可以在命令行上像这样运行 PHP 脚本:</P>% php e1.php <BR>PHP Hacks - Jack Herrington - O'Reilly<BR>Podcasting Hacks - Jack Herrington - O'Reilly<BR>% <br/><P>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?</P><BR><br/><img height=1 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232964077801.gif" width=565><br/><img height=16 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232970377802.gif" width=16 border=0><BR><br/><BR><BR><br/><P>用 SAX 解析器读取 XML </P><br/><P>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。</P><br/><P>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。</P><BR>清单 3. 用 SAX 解析器读取图书 XML <BR><br/><PRE> <?php<br/>g_books = array();<br/>g_elem = null;<br/>function startElement( parser, name, attrs ) <br/>{<br/>global g_books, g_elem;<br/>if ( name == 'BOOK' ) g_books []= array();<br/>g_elem = name;<br/>}<br/>function endElement( parser, name ) <br/>{<br/>global g_elem;<br/>g_elem = null;<br/>}<br/>function textData( parser, text )<br/>{<br/>global g_books, g_elem;<br/>if ( g_elem == 'AUTHOR' ||<br/>g_elem == 'PUBLISHER' ||<br/>g_elem == 'TITLE' )<br/>{<br/>g_books[ count( g_books ) - 1 ][ g_elem ] = text;<br/>}<br/>}<br/>parser = xml_parser_create();<br/>xml_set_element_handler( parser, "startElement", "endElement" );<br/>xml_set_character_data_handler( parser, "textData" );<br/>f = fopen( 'books.xml', 'r' );<br/>while( data = fread( f, 4096 ) )<br/>{<br/>xml_parse( parser, data );<br/>}<br/>xml_parser_free( parser );<br/>foreach( g_books as book )<br/>{<br/>echo book['TITLE']." - ".book['AUTHOR']." - ";<br/>echo book['PUBLISHER']."\n";<br/>}<br/>?><br/></PRE><BR><br/><P>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。</P><br/><P>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。</P><br/><P>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。</P><br/><P>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?</P><BR><br/><img height=1 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232964077801.gif" width=565><br/><img height=16 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232970377802.gif" width=16 border=0><BR><br/><BR><BR><br/><P>用正则表达式解析 XML</P><br/><P>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。</P><BR>清单 4. 用正则表达式读取 XML<BR><br/><PRE> <?php<br/>xml = "";<br/>f = fopen( 'books.xml', 'r' );<br/>while( data = fread( f, 4096 ) ) { xml .= data; }<br/>fclose( f );<br/>preg_match_all( "/\<book\>(.*?)\<\/book\>/s", <br/>xml, bookblocks );<br/>foreach( bookblocks[1] as block )<br/>{<br/>preg_match_all( "/\<author\>(.*?)\<\/author\>/", <br/>block, author );<br/>preg_match_all( "/\<title\>(.*?)\<\/title\>/", <br/>block, title );<br/>preg_match_all( "/\<publisher\>(.*?)\<\/publisher\>/", <br/>block, publisher );<br/>echo( title[1][0]." - ".author[1][0]." - ".<br/>publisher[1][0]."\n" );<br/>}<br/>?><br/></PRE><BR><br/><P>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。</P><br/><P>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。</P><br/><P>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。</P><BR><br/><img height=1 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232964077801.gif" width=565><br/><img height=16 src="http://wap.uuhomepage.com/sinapics/20150831/Image/20085231232970377802.gif" width=16 border=0><BR><br/><BR><BR><br/><P>用 DOM 编写 XML</P><br/><P>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。</P><BR>清单 5. 用 DOM 编写图书 XML<BR><br/><PRE> <?php<br/>books = array();<br/>books [] = array(<br/>'title' => 'PHP Hacks',<br/>'author' => 'Jack Herrington',<br/>'publisher' => "O'Reilly"<br/>);<br/>books [] = array(<br/>'title' => 'Podcasting Hacks',<br/>'author' => 'Jack Herrington',<br/>'publisher' => "O'Reilly"<br/>);<br/>doc = new DOMDocument();<br/>doc->formatOutput = true;<br/>r = doc->createElement( "books" );<br/>doc->appendChild( r );<br/>foreach( books as book )<br/>{<br/>b = doc->createElement( "book" );<br/>author = doc->createElement( "author" );<br/>author->appendChild(<br/>doc->createTextNode( book['author'] )<br/>);<br/>b->appendChild( author );<br/>title = doc->createElement( "title" );<br/>title->appendChild(<br/>doc->createTextNode( book['title'] )<br/>);<br/>b->appendChild( title );<br/>publisher = doc->createElement( "publisher" );<br/>publisher->appendChild(<br/>doc->createTextNode( book['publisher'] )<br/>);<br/>b->appendChild( publisher );<br/>r->appendChild( b );<br/>}<br/>echo doc->saveXML();<br/>?><br/></PRE><BR><br/><P>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。</P><br/><P>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。</P><br/><P>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。</P><BR>清单 6. DOM 构建脚本的输出<BR><br/><PRE> % php e4.php <br/><?xml version="1.0"?><br/><books><br/><book><br/><author>Jack Herrington</author><br/><title>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?









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

 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 )
{
?>

<?php echo( book['title'] ); ?>





}
?>



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

 

foreach( books as book )
{
title = htmlentities( book['title'], ENT_QUOTES );
author = htmlentities( book['author'], ENT_QUOTES );
publisher = htmlentities( book['publisher'], ENT_QUOTES );
?>

<?php echo( title ); ?>




}
?>



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。









结束语


XML 周围总有许多夸大之处和混淆之处。但是,并不像您想像的那么难 —— 特别是在 PHP 这样优秀的语言中。在理解并正确地实现了 XML 之后,就会发现有许多强大的工具可以使用。XPath 和 XSLT 就是这样两个值得研究的工具。







If you have any requirements, please contact webmaster。(如果有什么要求,请联系站长)





QQ:154298438
QQ:417480759