??xml version="1.0" encoding="utf-8" standalone="yes"?> 使用 DOM 库、SAX 解析器和正则表达?/em> U别Q?中 Jack Herrington (jack_d_herrington@codegeneration.net), 高软g工程? "Code Generation Network" 2006 q?2 ?06 ?/p>
?PHP d和编写可扩展标记语言QXMLQ看h可能有点恐怖。实际上QXML 和它的所有相x术可能是恐怖的Q但是用 PHP d和编?XML 不一定是Ҏ怖的d。首先,需要学习一点关?XML 的知?—?它是什么,用它做什么。然后,需要学习如何用 PHP d和编?XMLQ而有许多U方式可以做qg事?/p>
本文提供?XML 的简短入门,然后解释如何?PHP d和编?XML?/p>
XML 是一U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q些标记的属性。格式良好的 XML 标记看v来像q样Q?/p>
q个 不包含文本的 XML 标记看v来像q样Q?/p>
?XML Ҏ件事q行~写的方式不止一U。例如,q个标记形成的输Z前一个标记相同: 也可以向 XML 标记d属性。例如,q个 也可以用 XML 对特D字W进行编码。例如,& W号可以像这L码: 包含标记和属性的 XML 文g如果像示例一h式化Q就?em>格式良好?/em>Q这意味着标记是对U的Q字W的~码正确。清?1 是一份格式良好的 XML 的示例?/p>
清单 1 中的 XML 包含一个图书列表。父标记 ?XML 文档的标记结构和内容得到外部模式文g的验证后QXML 文档是正确的。模式文件可以用不同的格式指定。对于本文来_所需要的只是格式良好?XML?/p>
如果觉得 XML 看v来很像超文本标记语言QHTMLQ,那么对了。XML ?HTML 都是Z标记的语aQ它们有许多怼之处。但是,要着重指出的是:虽然 XML 文档可能是格式良好的 HTMLQ但不是所有的 HTML 文档都是格式良好?XML。换行标讎ͼ q个换行标记是格式良好的 XML ?HTMLQ?/p>
如果要把 HTML ~写成同h格式良好?XMLQ请遵@ W3C 委员会的可扩展超文本标记语言QXHTMLQ标准(参见 参考资?/a>Q。所有现代的览器都能呈?XHTML。而且Q还可以?XML 工具d XHTML q找出文档中的数据,q比解析 HTML Ҏ得多?/p>
d格式良好?XML 文g最Ҏ的方式是使用~译成某?PHP 安装的文档对象模?QDOMQ库。DOM 库把整个 XML 文档d内存Qƈ用节Ҏ表示它,如图 1 所C?/p>
树顶部的 d图书 XML 文gq用 DOM 昄内容的代码如清单 2 所C?/p>
脚本首先创徏一? ? 可以在命令行上像q样q行 PHP 脚本Q?/p>
可以看到Q每个图书块输出一行。这是一个良好的开始。但是,如果不能讉K XML DOM 库该怎么办? d XML 的另一U方法是使用 XML Simple APIQSAXQ解析器。PHP 的大多数安装都包?SAX 解析器。SAX 解析器运行在回调模型上。每ơ打开或关闭一个标记时Q或者每ơ解析器看到文本Ӟq节点或文本的信息回调用户定义的函数?/p>
SAX 解析器的优点是,它是真正轻量U的。解析器不会在内存中长期保持内容Q所以可以用于非常巨大的文g。缺Ҏ~写 SAX 解析器回调是仉帔R烦的事。清?3 昄了?SAX d图书 XML 文gq显C内容的代码?/p>
脚本首先讄 在这个示例中Q?code>startElement 标记查找 Z让解析l,脚本? 可以看到Q这比编?DOM 的同样功能要困难得多。如果没?DOM 库也没有 SAX 库该怎么办?q有替代Ҏ么? 可以肯定Q即使提到这个方法,有些工程师也会批评我Q但是确实可以用正则表达式解?XML。清?4 昄了? h意这个代码有多短。开始时Q它把文件读q一个大的字W串。然后用一? 那么Q缺陷在哪呢Q用正则表辑ּ代码d XML 的问题是Q它q没先进行检查,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Q有些格式正的 XML 可能与正则表辑ּ不匹配,所以日后必M改它们?/p>
我从不徏议用正则表辑ּd XMLQ但是有时它是兼Ҏ最好的方式Q因为正则表辑ּ函数L可用的。不要用正则表达式读取直接来自用L XMLQ因为无法控制这c?XML 的格式或l构。应当一直用 DOM 库或 SAX 解析器读取来自用L XML?/p>
d XML 只是公式的一部分。该怎样~写 XML 呢?~写 XML 最好的方式是?DOM。清?5 昄?DOM 构徏图书 XML 文g的方式?/p>
在脚本的剙Q用一些示例图书装入了 CZ图书装入之后Q脚本创Z? 脚本的末 使用 DOM 的真正h值在于它创徏?XML L格式正确的。但是如果不能用 DOM 创徏 XML 时该怎么办? 如果 DOM 不可用,可以?PHP 的文本模板编?XML。清?7 昄?PHP 如何构徏图书 XML 文g?/p>
脚本的顶部与 DOM 脚本cM。脚本的底部打开 q种Ҏ的问题是对实体进行编码。ؓ了确保实体编码正,必须在每个项目上调用 q就是用基本?PHP ~写 XML 的烦Z处。您以ؓ自己创徏了完的 XMLQ但是在试图使用数据的时候,马上׃发现某些元素的编码不正确?/p>
XML 周围L许多夸大之处和淆之处。但是,q不像您惛_的那么难 —?特别是在 PHP q样优秀的语a中。在理解q正地实现?XML 之后Q就会发现有许多强大的工具可以用。XPath ?XSLT 是q样两个值得研究的工兗?/p>
Jack D. Herrington 是有 20 多年l验的高UY件工E师。他是三本书的作者:Code Generation in Action?em>Podcasting Hacks 和即发表的 PHP Hacks。他q撰写了 30 多篇文章?/p>
W3C的DOM标准API非常隄Q于是有人开?Java专用的XML APIQ这是jdom=java+DOM。其中一部分人,d发dom4jQ这个不是非常标准,但是速度很快?br />
使用JDOM隐含服务器风险,因ؓJBoss和Webphere都是ZJDOM开发的Q在q两个服务器下用JDOMQ必进行相应的讄Q而且你的JDOM版本必须与服务器使用的相q,
]]>
$doc = new DOMDocument();
$aa = @$doc->load('C:/cinema_data.xml');
echo $aa;
if(!$aa){
throw new Exception('ocur excep');
}
echo 'ccc';
}catch(Exception $e){
//echo $e->getTrace();
echo 'bbb';
exit;
}
可以看到Q发生异常时Qecho 'ccc'是没执行的?
]]>
文档选项
有许多技术可用于?PHP d和编?XML。本文提供了三种Ҏd XMLQ?DOM 库、?SAX 解析器和使用正则表达式。还介绍了?DOM ?PHP 文本模板~写 XML?/blockquote>
<name>Jack Herrington</name>
<name>
标记包含一些文本:Jack Herrington?/p>
<powerUp />
<powerUp></powerUp>
<name>
标记包含 first
?last
属性:<name first="Jack" last="Herrington" />
&
清单 1. XML 图书列表CZ
<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>
<books>
包含一l?<book>
标记Q每?<book>
标记又包?<author>
?code><title> ?<publisher>
标记?/p>
br
Q是 XML ?HTML 之间区别的一个好例子。这个换行标记是格式良好?HTMLQ但不是格式良好?XMLQ?/p>
<p>This is a paragraph<br>
With a line break</p> <p>This is a paragraph<br />
With a line break</p>
回页?/strong>
?1. 图书 XML ?XML DOM ?/strong>
books
节点有两?book
子标记。在每本书中Q有 author
?code>publisher ?title
几个节点?code>author?code>publisher ?title
节点分别有包含文本的文本子节炏V?/p>
清单 2. ?DOM d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";
}
?>
new DOMdocument
对象Q用 load
Ҏ把图?XML 装入q个对象。之后,脚本?getElementsByName
Ҏ得到指定名称下的所有元素的列表?/p>
book
节点的@环中Q脚本用 getElementsByName
Ҏ获得 author
?code>publisher ?title
标记?nodeValue
?code>nodeValue 是节点中的文本。脚本然后显C些倹{?/p>
% php e1.php
PHP Hacks - Jack Herrington - O'Reilly
Podcasting Hacks - Jack Herrington - O'Reilly
%
回页?/strong>
清单 3. ?SAX 解析器读取图?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";
}
?>
g_books
数组Q它在内存中容纳所有图书和图书信息Q?code>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q个CZ中,回调函数?startElement
?code>endElement ?textData
。在打开和关闭标记的时候,分别调用 startElement
?endElement
函数。在开始和l束标记之间的文本上面,调用 textData
?/p>
book
标记Q在 book
数组中开始一个新元素。然后,textData
函数查看当前元素Q看它是不是 publisher
?code>title ?author
标记。如果是Q函数就把当前文本放入当前图书?/p>
xml_parser_create
函数创徏解析器。然后,讄回调句柄。之后,脚本d文gq把文g的大块内容发送到解析器。在文gd之后Q?code>xml_parser_free 函数删除解析器。脚本的末尾输出 g_books
数组的内宏V?/p>
回页?/strong>
preg_
函数d图书文g的示例?/p>
清单 4. 用正则表辑ּd 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" );
}
?>
regex
函数d每个图书目。最后用 foreach
循环Q在每个图书块间循环Qƈ提取?author、title ?publisher?/p>
回页?/strong>
清单 5. ?DOM ~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();
?>
books
数组。这个数据可以来自用户也可以来自数据库?/p>
new DOMDocument
Qƈ把根节点 books
d到它。然后脚本ؓ每本书的 author、title ?publisher 创徏节点Qƈ为每个节Ҏ加文本节炏V每?book
节点的最后一步是重新把它d到根节点 books
?/p>
saveXML
Ҏ?XML 输出到控制台。(也可以用 save
Ҏ创徏一?XML 文g。)脚本的输出如清单 6 所C?/p>
清单 6. DOM 构徏脚本的输?/strong>
% 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>
%
回页?/strong>
清单 7. ?PHP ~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>
books
标记Q然后在每个图书中P代,创徏 book
标记和所有的内部 title
?code>author ?publisher
标记?/p>
htmlentities
函数Q如清单 8 所C?/p>
清单 8. 使用 htmlentities 函数对实体编?/strong>
<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( $publisher ); ?>
</publisher>
</book>
<?php
}
?>
</books>
回页?/strong>
获得产品和技?/strong>
讨论
]]>
内容如下Q?br />
javax.xml.parsers.DocumentBuilderFactory=org.apache.xerces.jaxp.DocumentBuilderFactoryImpl
javax.xml.parsers.SAXParserFactory=org.apache.xerces.jaxp.SAXParserFactoryImpl
可以用Xerces?br />
或者用命令行
# Add the XML parser jars and set the JAXP factory names
# Crimson parser JAXP setup(default)
CLASSPATH=$CLASSPATH:../lib/crimson.jar
JAXP=-Djavax.xml.parsers.DocumentBuilderFactory=org.apache.crimson.jaxp.DocumentBuilderFactoryImpl
JAXP="$JAXP -Djavax.xml.parsers.SAXParserFactory=org.apache.crimson.jaxp.SAXParserFactoryImpl"
?br />
# Add the XML parser jars and set the JAXP factory names
# Xerces parser JAXP setup
CLASSPATH=$CLASSPATH:../lib/xerces.jar
JAXP=-Djavax.xml.parsers.DocumentBuilderFactory=org.apache.xerces.jaxp.DocumentBuilderFactoryImpl
JAXP="$JAXP -Djavax.xml.parsers.SAXParserFactory=org.apache.xerces.jaxp.SAXParserFactoryImpl"
最lsunq是指定JAXP规范QJSR 206 Java API for XML Processing(JAXP) 1.3Q他已经由JDK1.5实现?br />
JAXP实现了XPathQ但是xalan的org.apache.xpath.XPathAPI cdl移植到?JRE 1.5 中,重构为com.sun.org.apache.xpath.internal.XPathAPI?nbsp;
如果在以前的JDK中,使用?XPathAPI cȝ jarQ例?xalan-2.4.1.jar?该 jar 加入?CLASSPATHQ类路径Q?/p>
因ؓJVM只加载一份相同的c,服务器优先加载自׃用的JDOMQ你开发用的JDOM不会被加载,你的应用׃出错?br />
使用Dom4J隐含工程问题Q主要是hibernateQ如果你开发的目和hibernate合ƈQDom4J版本不兼容的话,Ldom4j相同版本hibernateQ或者你改程序适应hibernate的Dom4j?br />
java没有windows的DLL地狱Q但是java的jar地狱有过而无不及啊?/p>
1 如果xml-apis.jar先于 jre加蝲Q那?采?xercesImpl.jar的实玎ͼ
2 如果jre先加载,那么用 sun的xml实现Q而取q个实现的类又分别按序?个位|取.
javax.xml.parsers.DocumentBuilderFactory
pȝ属性?
java.util.Properties
且包含实现类的完全限定名Q其中实现类的键是上q定义的pȝ属性?JAXP 实现只读取一?jaxp.properties 文gQ然后缓存其g以后使用。如果首ơ尝试读取文件时Q文件不存在Q则不会再次试查该文g是否存在。首ơ读?jaxp.properties 后,其中的属性g能再更改?
META-INF/services/javax.xml.parsers.DocumentBuilderFactory
文g中的cd?
DocumentBuilderFactory
实例?/li>
q些q程Q自己可以通过加vm参数 "-verbose"的方式进行跟t?/p>