用PHP读取和编写XML DOM -- PHP China-中国PHP开源技术|新闻|软件|服务|培训|支持|产品|Zend官方论坛网站

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：

＜name＞Jack Herrington＜/name＞

　　这个 ＜name＞ 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：

＜powerUp /＞

　　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：

＜powerUp＞＜/powerUp＞

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

＜name first="Jack" last="Herrington" /＞

　　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 且环莞袷搅己玫?XML 的示例。

　　清单 1. XML 图书列表示例

            ＜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？

 

[1] [2] [3] 下一页  

 

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。

 

上一页  [1] [2] [3] 下一页  

 

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 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

            % 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。

　　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。