用 PHP 讀取和編寫 XML DOM

使用 DOM 庫、SAX 解析器和正則表達式

2006 年 2 月 06 日

有許多技術可用於用 PHP 讀取和編寫 XML。本文提供了三種方法讀取 XML：使用 DOM 庫、使用 SAX 解析器和使用正則表達式。還介紹了使用 DOM 和 PHP 文本模板編寫 XML。

用 PHP 讀取和編寫可擴展標記語言（XML）看起來可能有點恐怖。實際上，XML 和它的所有相關技術可能是恐怖的，但是用 PHP 讀取和編寫 XML 不一定是項恐怖的任務。首先，需要學習一點關於 XML 的知識 —— 它是什麼，用它做什麼。然後，需要學習如何用 PHP 讀取和編寫 XML，而有許多種方式可以做這件事。

本文提供了 XML 的簡短入門，然後解釋如何用 PHP 讀取和編寫 XML。

什麼是 XML？

XML 是一種數據存儲格式。它沒有定義保存什麼數據，也沒有定義數據的格式。XML 只是定義了標記和這些標記的屬性。格式良好的 XML 標記看起來像這樣：

<name>Jack Herrington</name>

這個 <name> 標記包含一些文本：Jack Herrington。

不包含文本的 XML 標記看起來像這樣：

用 XML 對某件事進行編寫的方式不止一種。例如，這個標記形成的輸出與前一個標記相同：

也可以向 XML 標記添加屬性。例如，這個 <name> 標記包含 first 和 last 屬性：

也可以用 XML 對特殊字符進行編碼。例如，& 符號可以像這樣編碼：

包含標記和屬性的 XML 文件如果像示例一樣格式化，就是格式良好的，這意味着標記是對稱的，字符的編碼正確。清單 1 是一份格式良好的 XML 的示例。

清單 1. XML 圖書列表示例

<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>

清單 1 中的 XML 包含一個圖書列表。父標記 <books> 包含一組 <book> 標記，每個 <book> 標記又包含 <author>、<title> 和 <publisher> 標記。

當 XML 文檔的標記結構和內容得到外部模式文件的驗證後，XML 文檔就是正確的。模式文件可以用不同的格式指定。對於本文來說，所需要的只是格式良好的 XML。

如果覺得 XML 看起來很像超文本標記語言（HTML），那麼就對了。XML 和 HTML 都是基於標記的語言，它們有許多相似之處。但是，要着重指出的是：雖然 XML 文檔可能是格式良好的 HTML，但不是所有的 HTML 文檔都是格式良好的 XML。換行標記（br）是 XML 和 HTML 之間區別的一個好例子。這個換行標記是格式良好的 HTML，但不是格式良好的 XML：

This is a paragraph 
With a line break

這個換行標記是格式良好的 XML 和 HTML：

This is a paragraph 
With a line break

如果要把 HTML 編寫成同樣是格式良好的 XML，請遵循 W3C 委員會的可擴展超文本標記語言（XHTML）標準（參見參考資料）。所有現代的瀏覽器都能呈現 XHTML。而且，還可以用 XML 工具讀取 XHTML 並找出文檔中的數據，這比解析 HTML 容易得多。

使用 DOM 庫讀取 XML

讀取格式良好的 XML 文件最容易的方式是使用編譯成某些 PHP 安裝的文檔對象模型（DOM）庫。DOM 庫把整個 XML 文檔讀入內存，並用節點樹表示它，如圖 1 所示。

圖 1. 圖書 XML 的 XML DOM 樹

樹頂部的 books 節點有兩個 book 子標記。在每本書中，有 author、publisher 和 title 幾個節點。author、publisher 和 title 節點分別有包含文本的文本子節點。

讀取圖書 XML 文件並用 DOM 顯示內容的代碼如清單 2 所示。

清單 2. 用 DOM 讀取圖書 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";

}

腳本首先創建一個 new DOMdocument 對象，用 load 方法把圖書 XML 裝入這個對象。之後，腳本用 getElementsByName 方法得到指定名稱下的所有元素的列表。

在 book 節點的循環中，腳本用 getElementsByName 方法獲得 author、publisher 和 title 標記的 nodeValue。nodeValue 是節點中的文本。腳本然後顯示這些值。

可以在命令行上像這樣運行 PHP 腳本：

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

可以看到，每個圖書塊輸出一行。這是一個良好的開始。但是，如果不能訪問 XML DOM 庫該怎麼辦？

用 SAX 解析器讀取 XML

讀取 XML 的另一種方法是使用 XML Simple API（SAX）解析器。PHP 的大多數安裝都包含 SAX 解析器。SAX 解析器運行在回調模型上。每次打開或關閉一個標記時，或者每次解析器看到文本時，就用節點或文本的信息回調用戶定義的函數。

SAX 解析器的優點是，它是真正輕量級的。解析器不會在內存中長期保持內容，所以可以用於非常巨大的文件。缺點是編寫 SAX 解析器回調是件非常麻煩的事。清單 3 顯示了使用 SAX 讀取圖書 XML 文件並顯示內容的代碼。

清單 3. 用 SAX 解析器讀取圖書 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";

}

腳本首先設置 g_books 數組，它在內存中容納所有圖書和圖書信息，g_elem 變量保存腳本目前正在處理的標記的名稱。然後腳本定義回調函數。在這個示例中，回調函數是 startElement、endElement 和 textData。在打開和關閉標記的時候，分別調用 startElement 和 endElement 函數。在開始和結束標記之間的文本上面，調用 textData。

在這個示例中，startElement 標記查找 book 標記，在 book 數組中開始一個新元素。然後，textData 函數查看當前元素，看它是不是 publisher、title 或 author 標記。如果是，函數就把當前文本放入當前圖書。

爲了讓解析繼續，腳本用 xml_parser_create 函數創建解析器。然後，設置回調句柄。之後，腳本讀取文件並把文件的大塊內容發送到解析器。在文件讀取之後，xml_parser_free 函數刪除解析器。腳本的末尾輸出 g_books 數組的內容。

可以看到，這比編寫 DOM 的同樣功能要困難得多。如果沒有 DOM 庫也沒有 SAX 庫該怎麼辦？還有替代方案麼？

用正則表達式解析 XML

可以肯定，即使提到這個方法，有些工程師也會批評我，但是確實可以用正則表達式解析 XML。清單 4 顯示了使用 preg_ 函數讀取圖書文件的示例。
清單 4. 用正則表達式讀取 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" );

}

請注意這個代碼有多短。開始時，它把文件讀進一個大的字符串。然後用一個 regex 函數讀取每個圖書項目。最後用 foreach 循環，在每個圖書塊間循環，並提取出 author、title 和 publisher。

那麼，缺陷在哪呢？使用正則表達式代碼讀取 XML 的問題是，它並沒先進行檢查，確保 XML 的格式良好。這意味着在讀取之前，無法知道 XML 是否格式良好。而且，有些格式正確的 XML 可能與正則表達式不匹配，所以日後必須修改它們。

我從不建議使用正則表達式讀取 XML，但是有時它是兼容性最好的方式，因爲正則表達式函數總是可用的。不要用正則表達式讀取直接來自用戶的 XML，因爲無法控制這類 XML 的格式或結構。應當一直用 DOM 庫或 SAX 解析器讀取來自用戶的 XML。

用 DOM 編寫 XML

讀取 XML 只是公式的一部分。該怎樣編寫 XML 呢？編寫 XML 最好的方式就是用 DOM。清單 5 顯示了 DOM 構建圖書 XML 文件的方式。

清單 5. 用 DOM 編寫圖書 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();

在腳本的頂部，用一些示例圖書裝入了 books 數組。這個數據可以來自用戶也可以來自數據庫。

示例圖書裝入之後，腳本創建一個 new DOMDocument，並把根節點 books 添加到它。然後腳本爲每本書的 author、title 和 publisher 創建節點，併爲每個節點添加文本節點。每個 book 節點的最後一步是重新把它添加到根節點 books。

腳本的末尾用 saveXML 方法把 XML 輸出到控制檯。（也可以用 save 方法創建一個 XML 文件。）腳本的輸出如清單 6 所示。
清單 6. DOM 構建腳本的輸出

% 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 的真正價值在於它創建的 XML 總是格式正確的。但是如果不能用 DOM 創建 XML 時該怎麼辦？

用 PHP 編寫 XML

如果 DOM 不可用，可以用 PHP 的文本模板編寫 XML。清單 7 顯示了 PHP 如何構建圖書 XML 文件。

清單 7. 用 PHP 編寫圖書 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>

</author>

</publisher>

</book>

<?php

}

</books>

腳本的頂部與 DOM 腳本類似。腳本的底部打開 books 標記，然後在每個圖書中迭代，創建 book 標記和所有的內部 title、author 和 publisher 標記。

這種方法的問題是對實體進行編碼。爲了確保實體編碼正確，必須在每個項目上調用 htmlentities 函數，如清單 8 所示。

清單 8. 使用 htmlentities 函數對實體編碼

<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>

</publisher>

</book>

<?php

}

</books>

這就是用基本的 PHP 編寫 XML 的煩人之處。您以爲自己創建了完美的 XML，但是在試圖使用數據的時候，馬上就會發現某些元素的編碼不正確。

結束語

XML 周圍總有許多誇大之處和混淆之處。但是，並不像您想像的那麼難 —— 特別是在 PHP 這樣優秀的語言中。在理解並正確地實現了 XML 之後，就會發現有許多強大的工具可以使用。XPath 和 XSLT 就是這樣兩個值得研究的工具。

參考資料

學習

您可以參閱本文在 developerWorks 全球站點上的英文原文。
在 XHTML 1.0 The Extensible HyperText Markup Language 上學習 XHTML 的標準。
找到 standards for XML。
瞭解 XML Path (XPath) language。
瞭解 XSL Transformations，這是用於轉換 XML 的語言。
請閱讀用來定義 XML 文檔結構的標準 XML Schema。
在 developerWorks 的 XML 專區找到面向 XML 開發人員的更多資源。
請訪問 developerWorks 的開放源碼專區獲得全面的 how-to 信息、工具和項目更新，幫助您用開放源碼技術開發並把它們用於 IBM 產品。

獲得產品和技術

請訪問 PHP.net，瞭解關於 PHP 的最新新聞、找到下載，並向其他用戶學習。
瞭解 Expat XML Parser，這個解析器用來向 PHP 提供 SAX 解析器功能。
利用 IBM 試用軟件改造您的下一個開放源碼開發項目，可以下載也可以通過 DVD 得到。

討論

通過參與 developerWorks blogs 加入 developerWorks 社區。

用 PHP 讀取和編寫 XML DOM

VC6 PHP C++ 擴展

域名轉向詳細幫助

在linux上單機模擬Oracle 10g RAC集羣（OCFS+ASM)

ORACLE 10g FOR LINUX在FEDORA CORE 6下的安裝要點

Vi的替換命令

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結