用 PHP 讀取和編寫可擴(kuò)展標(biāo)記語言（XML）看起來可能有點(diǎn)恐怖。實(shí)際上，XML 和它的所有相關(guān)技術(shù)可能是恐怖的，但是用 PHP 讀取和編寫 XML 不一定是項(xiàng)恐怖的任務(wù)。首先，需要學(xué)習(xí)一點(diǎn)關(guān)于 XML 的知識(shí) —— 它是什么，用它做什么。然后，需要學(xué)習(xí)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(jiǎn)短入門，然后解釋如何用 PHP 讀取和編寫 XML。
什么是 XML？
XML 是一種數(shù)據(jù)存儲(chǔ)格式。它沒有定義保存什么數(shù)據(jù)，也沒有定義數(shù)據(jù)的格式。XML 只是定義了標(biāo)記和這些標(biāo)記的屬性。格式良好的 XML 標(biāo)記看起來像這樣：
＜name＞Jack Herrington＜/name＞
這個(gè) ＜name＞ 標(biāo)記包含一些文本：Jack Herrington。
不包含文本的 XML 標(biāo)記看起來像這樣：
＜powerUp /＞
用 XML 對(duì)某件事進(jìn)行編寫的方式不止一種。例如，這個(gè)標(biāo)記形成的輸出與前一個(gè)標(biāo)記相同：
＜powerUp＞＜/powerUp＞
也可以向 XML 標(biāo)記添加屬性。例如，這個(gè) ＜name＞ 標(biāo)記包含 first 和 last 屬性：
＜name first="Jack" last="Herrington" /＞
也可以用 XML 對(duì)特殊字符進(jìn)行編碼。例如，& 符號(hào)可以像這樣編碼：
&
包含標(biāo)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，這意味著標(biāo)記是對(duì)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(gè)圖書列表。父標(biāo)記 ＜books＞ 包含一組 ＜book＞ 標(biāo)記，每個(gè) ＜book＞ 標(biāo)記又包含 ＜author＞、＜title＞ 和 ＜publisher＞ 標(biāo)記。
當(dāng) XML 文檔的標(biāo)記結(jié)構(gòu)和內(nèi)容得到外部模式文件的驗(yàn)證后，XML 文檔就是正確的。模式文件可以用不同的格式指定。對(duì)于本文來說，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(biāo)記語言（HTML），那么就對(duì)了。XML 和 HTML 都是基于標(biāo)記的語言，它們有許多相似之處。但是，要著重指出的是：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(biāo)記（br）是 XML 和 HTML 之間區(qū)別的一個(gè)好例子。這個(gè)換行標(biāo)記是格式良好的 HTML，但不是格式良好的 XML：
＜p＞This is a paragraph
With a line break＜/p＞
這個(gè)換行標(biāo)記是格式良好的 XML 和 HTML：
＜p＞This is a paragraph＜br /＞
With a line break＜/p＞
如果要把 HTML 編寫成同樣是格式良好的 XML，請(qǐng)遵循 W3C 委員會(huì)的可擴(kuò)展超文本標(biāo)記語言（
XHTML
）標(biāo)準(zhǔn)（參見 參考資料）。所有現(xiàn)代的瀏覽器都能呈現(xiàn) XHTML。而且，還可以用 XML 工具讀取 XHTML 并找出文檔中的數(shù)據(jù)，這比解析 HTML 容易得多。
使用 DOM 庫(kù)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(duì)象模型 （DOM）庫(kù)。DOM 庫(kù)把整個(gè) XML 文檔讀入內(nèi)存，并用節(jié)點(diǎn)樹表示它，如圖 1 所示。
圖 1. 圖書 XML 的 XML DOM 樹
樹頂部的 books 節(jié)點(diǎn)有兩個(gè) book 子標(biāo)記。在每本書中，有 author、publisher 和 title 幾個(gè)節(jié)點(diǎn)。author、publisher 和 title 節(jié)點(diǎn)分別有包含文本的文本子節(jié)點(diǎn)。
讀取圖書 XML 文件并用 DOM 顯示內(nèi)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(chuàng)建一個(gè) new DOMdocument 對(duì)象，用 load 方法把圖書 XML 裝入這個(gè)對(duì)象。之后，腳本用 getElementsByName 方法得到指定名稱下的所有元素的列表。
在 book 節(jié)點(diǎn)的循環(huán)中，腳本用 getElementsByName 方法獲得 author、publisher 和 title 標(biāo)記的 nodeValue。nodeValue 是節(jié)點(diǎn)中的文本。腳本然后顯示這些值。
可以在命令行上像這樣運(yùn)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(gè)圖書塊輸出一行。這是一個(gè)良好的開始。但是，如果不能訪問 XML DOM 庫(kù)該怎么辦？
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(shù)安裝都包含 SAX 解析器。SAX 解析器運(yùn)行在回調(diào)模型上。每次打開或關(guān)閉一個(gè)標(biāo)記時(shí)，或者每次解析器看到文本時(shí)，就用節(jié)點(diǎn)或文本的信息回調(diào)用戶定義的函數(shù)。
SAX 解析器的優(yōu)點(diǎn)是，它是真正輕量級(jí)的。解析器不會(huì)在內(nèi)存中長(zhǎng)期保持內(nèi)容，所以可以用于非常巨大的文件。缺點(diǎn)是編寫 SAX 解析器回調(diào)是件非常麻煩的事。清單 3 顯示了使用 SAX 讀取圖書 XML 文件并顯示內(nèi)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(shè)置 g_books 數(shù)組，它在內(nèi)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(biāo)記的名稱。然后腳本定義回調(diào)函數(shù)。在這個(gè)示例中，回調(diào)函數(shù)是 startElement、endElement 和 textData。在打開和關(guān)閉標(biāo)記的時(shí)候，分別調(diào)用 startElement 和 endElement 函數(shù)。在開始和結(jié)束標(biāo)記之間的文本上面，調(diào)用 textData。
在這個(gè)示例中，startElement 標(biāo)記查找 book 標(biāo)記，在 book 數(shù)組中開始一個(gè)新元素。然后，textData 函數(shù)查看當(dāng)前元素，看它是不是 publisher、title 或 author 標(biāo)記。如果是，函數(shù)就把當(dāng)前文本放入當(dāng)前圖書。
為了讓解析繼續(xù)，腳本用 xml_parser_create 函數(shù)創(chuàng)建解析器。然后，設(shè)置回調(diào)句柄。之后，腳本讀取文件并把文件的大塊內(nèi)容發(fā)送到解析器。在文件讀取之后，xml_parser_free 函數(shù)刪除解析器。腳本的末尾輸出 g_books 數(shù)組的內(nèi)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(kù)也沒有 SAX 庫(kù)該怎么辦？還有替代方案么？
用正則表達(dá)式解析 XML
可以肯定，即使提到這個(gè)方法，有些工程師也會(huì)批評(píng)我，但是確實(shí)可以用正則表達(dá)式解析 XML。清單 4 顯示了使用 preg_ 函數(shù)讀取圖書文件的示例。
清單 4. 用正則表達(dá)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(qǐng)注意這個(gè)代碼有多短。開始時(shí)，它把文件讀進(jìn)一個(gè)大的字符串。然后用一個(gè) regex 函數(shù)讀取每個(gè)圖書項(xiàng)目。最后用 foreach 循環(huán)，在每個(gè)圖書塊間循環(huán)，并提取出 author、title 和 publisher。
那么，缺陷在哪呢？使用正則表達(dá)式代碼讀取 XML 的問題是，它并沒先進(jìn)行檢查，確保 XML 的格式良好。這意味著在讀取之前，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(dá)式不匹配，所以日后必須修改它們。
我從不建議使用正則表達(dá)式讀取 XML，但是有時(shí)它是兼容性最好的方式，因?yàn)檎齽t表達(dá)式函數(shù)總是可用的。不要用正則表達(dá)式讀取直接來自用戶的 XML，因?yàn)闊o法控制這類 XML 的格式或結(jié)構(gòu)。應(yīng)當(dāng)一直用 DOM 庫(kù)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(gòu)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(shù)組。這個(gè)數(shù)據(jù)可以來自用戶也可以來自數(shù)據(jù)庫(kù)。
示例圖書裝入之后，腳本創(chuàng)建一個(gè) new DOMDocument，并把根節(jié)點(diǎn) books 添加到它。然后腳本為每本書的 author、title 和 publisher 創(chuàng)建節(jié)點(diǎn)，并為每個(gè)節(jié)點(diǎn)添加文本節(jié)點(diǎn)。每個(gè) book 節(jié)點(diǎn)的最后一步是重新把它添加到根節(jié)點(diǎn) books。
腳本的末尾用 saveXML 方法把 XML 輸出到控制臺(tái)。（也可以用 save 方法創(chuàng)建一個(gè) XML 文件。）腳本的輸出如清單 6 所示。
清單 6. DOM 構(gòu)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(jià)值在于它創(chuàng)建的 XML 總是格式正確的。但是如果不能用 DOM 創(chuàng)建 XML 時(shí)該怎么辦？
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(gòu)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＞
＜title＞＜?php echo( $book['title'] ); ?＞＜/title＞
＜author＞＜?php echo( $book['author'] ); ?＞
＜/author＞
＜publisher＞＜?php echo( $book['publisher'] ); ?＞
＜/publisher＞
＜/book＞
＜?php
}
?＞
＜/books＞
|
腳本的頂部與 DOM 腳本類似。腳本的底部打開 books 標(biāo)記，然后在每個(gè)圖書中迭代，創(chuàng)建 book 標(biāo)記和所有的內(nèi)部 title、author 和 publisher 標(biāo)記。
這種方法的問題是對(duì)實(shí)體進(jìn)行編碼。為了確保實(shí)體編碼正確，必須在每個(gè)項(xiàng)目上調(diào)用 htmlentities 函數(shù)，如清單 8 所示。
清單 8. 使用 htmlentities 函數(shù)對(duì)實(shí)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＞
＜title＞＜?php echo( $title ); ?＞＜/title＞
＜author＞＜?php echo( $author ); ?＞ ＜/author＞
＜publisher＞＜?php echo( $publisher ); ?＞
＜/publisher＞
＜/book＞
＜?php
}
?＞
＜/books＞
|
這就是用基本的 PHP 編寫 XML 的煩人之處。您以為自己創(chuàng)建了完美的 XML，但是在試圖使用數(shù)據(jù)的時(shí)候，馬上就會(huì)發(fā)現(xiàn)某些元素的編碼不正確。
結(jié)束語
XML 周圍總有許多夸大之處和混淆之處。但是，并不像您想像的那么難 —— 特別是在 PHP 這樣優(yōu)秀的語言中。在理解并正確地實(shí)現(xiàn)了 XML 之后，就會(huì)發(fā)現(xiàn)有許多強(qiáng)大的工具可以使用。XPath 和 XSLT 就是這樣兩個(gè)值得研究的工具。