您的位置:首页 > php PHP中的XML应用
站内搜索

PHP中的XML应用

综述

XML代表Extensible Markup Language(eXtensible Markup Language的缩写,意为可扩展的标记语言)。XML是一套定义语义标记的规则,这些标记将文档分成许多部件并对这些部件加以标识。它也是元标记语言,即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。XML是当今最热门的技术。而PHP也具有分析XML文档的功能,下面我们将共同探讨一下PHP中的XML应用的情况。

XML概貌

  谈起XML(eXtended Markup Language:可扩展标记语言),我们不妨先看一段HTML的代码:

<html>
<title>XML</title>
<body>
<p><center><font color="red">TEXT</font></center></p>
<a href="www.domain.com"><img src="logo.jpg"/></a>
</body>
</html>


  上面这段代码从结构上就符合XML的规则,XML可以理解是包含数据的树形的结构类型:

1、引用同一个元素的时候,使用一致的大小写,如<center></Center>就是不符合规定的
2、任何属性值(如 href="????")要用""引起来,如<a href=www.yahoo.com>就是不正确的
3、所有元素必须由打开<和关闭>标注组成,元素应该形如<body></body>或空元素<img ... />,如果结尾的 "/>" 少了"/"就是错误的代码
4、所有元素必须彼此嵌套,就像写程序的循环一样,而且,所有的元素必须嵌套于根元素之中,比如上面的代码所有的内容都嵌套于<html></html>之中。
5、元素名称(即上面的body a p img等)应为字母开头。

怎样应用PHP的XML解析器Expat?

Expat是PHP脚本语言的XML解析器(同样称为XML处理器),可以使程序访问XML文档的结构和内容。它是一种基于事件的解析器。XML解析器有两种基本类型:

基于树型的解析器:将XML文档转换成树型结构。这类解析器分析整篇文章,同时提供一个API来访问所产生树的每个元素。其通用的标准为DOM(文档对象模式)。

基于事件的解析器:将XML文档视为一系列的事件。当一个特殊事件发生时,解析器将调用开发者提供的函数来处理。基于事件的解析器有一个XML文档的数据集中视图,也就是说它集中在XML文档的数据部分,而不是其结构。这些解析器从头到尾处理文档,并将类似于-元素的开始、元素的结尾、特征数据的开始等等-事件通过回调(callback)函数报告给应用程序。

以下是一个"Hello-World"的XML文档范例:

<greeting>
Hello World
</greeting>

  基于事件的解析器将报告为三个事件:

开始元素:greeting
CDATA项的开始,值为:Hello World
结束元素:greeting

  基于事件的解析器不产生描述文档的结构,当然如果使用Expat,必要时它一样可以在PHP中生成完全的原生树结构。在CDATA项中,基于事件的解析器不会得到父元素greeting的信息。然而,它提供一个更底层的访问,这就使得可以更好地利用资源和更快地访问。通过这种方式,就没有必要将整个文档放入内存;而事实上,整个文档甚至可以大于实际内存值。

  上面Hello-World的范例虽然包括完整的XML格式,但它是无效的,因为既没有DTD(文档类型定义)与其联系,也没有内嵌DTD。但是Expat是一个不检查有效性的解析器,因此忽略任何与文档联系的DTD。应注意的是文档仍然需要完整的格式,否则Expat(和其他符合XML标准的解析器一样)将会随着出错信息而停止。

编译Expat

  Expat可以编译进PHP3.0.6版本(或以上)中。从Apache1.3.22开始,Expat已经作为Apache的一部分。在Unix系统中,可以通过-with-xml选项配置PHP将其编译入PHP。

  如果将PHP编译为Apache的模块,而Expat将默认作为Apache的一部分。在Windows中,则必须要加载XML动态连接库。

  XML范例:XMLstats
  我们所要讨论的范例是使用Expat来收集XML文档的统计数据。

  对于文档中每个元素,以下信息都将被输出:

  • 该元素在文档中使用的次数
  • 该元素中字符数据的数量
  • 元素的父元素
  • 元素的子元素

  注意:为了演示,我们利用PHP来产生一个结构来保存元素的父元素和子元素

用于产生XML解析器实例的函数有哪些?

  用于产生XML解析器实例的函数为xml_parser_create()。该实例将用于以后的所有函数。这个思路非常类似于PHP中MySQL函数的连接标记。在解析文档前,基于事件的解析器通常要求注册回调函数-用于特定的事件发生时调用。Expat没有例外事件,它定义了如下七个可能事件:





元素xml_set_element_handler()元素的开始和结束
字符数据xml_set_character_data_handler()字符数据的开始
外部实体xml_set_external_entity_ref_handler()外部实体出现
未解析外部实体xml_set_unparsed_entity_decl_handler()未解析的外部实体出现
处理指令xml_set_processing_instruction_handler()处理指令的出现
记法声明xml_set_notation_decl_handler()记法声明的出现
默认xml_set_default_handler()其它没有指定处理函数的事件


所有的回调函数必须将解析器的实例作为其第一个参数(此外还有其它参数)。

  对于本文最后的范例脚本,需要注意的是它既用到了元素处理函数又用到了字符数据处理函数。元素的回调处理函数通过xml_set_element_handler()来注册。

这个函数需要三个参数:

解析器的实例
处理开始元素的回调函数的名称
处理结束元素的回调函数的名称

  当开始解析XML文档时,回调函数必须存在。它们必须定义为与PHP手册中所描述的原型一致。

  例如,Expat将三个参数传递给开始元素的处理函数。在脚本范例中,其定义如下:

function start_element($parser, $name, $attrs)

$parser是解析器标志,$name是开始元素的名称,$attrs为包含元素所有属性和值的数组。

一旦开始解析XML文档,Expat在遇到开始元素是都将调用start_element()函数并将参数传递过去。

  XML的Case Folding选项

  用xml_parser_set_option()函数将Case folding选项关闭。这个选项默认是打开的,使得传递给处理函数的元素名自动转换为大写。但XML对大小写是敏感的(所以大小写对统计XML文档是非常重要的)。对于我们的范例,case folding选项必须关闭。

  如何对文档进行解析?

  在完成所有的准备工作后,现在脚本终于可以解析XML文档:

Xml_parse_from_file(),一个自定义的函数,打开参数中指定的文件,并以4kb的大小进行解析
xml_parse(),和xml_parse_from_file()一样,当发生错误时,即XML文档的格式不完全时,将会返回false。

  我们可以使用xml_get_error_code()函数来得到最后一个错误的数字代码。将此数字代码传递给xml_error_string()函数即可得到错误的文本信息。输出XML当前的行数,使得调试更容易。

  当解析文档时,对于Expat需要强调问题的是:如何保持文档结构的基本描述?

  如前所述,基于事件的解析器本身并不产生任何结构信息。不过标签(tag)结构是XML的重要特性。例如,元素序列<book><title>表示的意思不同于<figure><title>。书名和图名是没有关系的,虽然它们都用到"title"这个术语。因此,为了更有效地使用基于事件的解析器处理XML,必须使用自己的栈(stacks)或列表(lists)来维护文档的结构信息。

  为了产生文档结构的镜像,脚本至少需要知道目前元素的父元素。用Exapt的API是无法实现的,它只报告目前元素的事件,而没有任何前后关系的信息。因此,需要建立自己的栈结构。

  脚本范例使用先进后出(FILO)的栈结构。通过一个数组,栈将保存全部的开始元素。对于开始元素处理函数,目前的元素将被array_push()函数推到栈的顶部。相应的,结束元素处理函数通过array_pop()将最顶的元素移走。

  对于序列<book><title></title></book>,栈的填充如下:

开始元素book:将"book"赋给栈的第一个元素($stack[0])。
开始元素title:将"title"赋给栈的顶部($stack[1])。
结束元素title:从栈中将最顶部的元素移去($stack[1])。
结束元素title:从栈中将最顶部的元素移去($stack[0])。

  PHP3.0通过一个$depth变量手动控制元素的嵌套来实现范例,这就使脚本看起来比较复杂。PHP4.0通过array_pop()和array_push()两个函数来使脚本看起来更简洁。

如何收集XML文档中的元素信息?

  为了收集每个元素的信息,脚本需要记住每个元素的事件。通过使用一个全局的数组变量$elements来保存文档中所有不同的元素。数组的项目是元素类的实例,有4个属性(类的变量)

$count -该元素在文档中被发现的次数
$chars -元素中字符事件的字节数
$parents -父元素
$childs - 子元素

  注意:PHP的一个特性是你可以通过while(list() = each())loop遍历整个类结构,如同你遍历整个相应的数组一样。所有的类变量(当你用PHP3.0时还有方法名)都以字符串的方式输出。

  当发现一个元素时,我们需要增加其相应的记数器来跟踪它在文档中出现多少次。在相应的$elements项中的记数元素也要加一。

  我们同样要让父元素知道目前的元素是它的子元素。因此,目前元素的名称将会加入到父元素的$childs数组的项目中。最后,目前元素应该记住谁是它的父元素。所以,父元素被加入到目前元素$parents数组的项目中。

显示统计信息

  剩下的代码在$elements数组和其子数组中循环显示其统计结果。这就是最简单的嵌套循环,尽管输出正确的结果,但代码既不简洁又没有任何特别的技巧,它仅仅是一个你可能每天用他来完成工作的循环。

  脚本范例被设计为通过PHP的CGI方式的命令行来调用。因此,统计结果输出的格式为文本格式。如果你要将脚本运用到互联网上,那么你需要修改输出函数来产生HTML格式。

如何用PHP&XML编制一个迷你搜索引擎实例?

  让我们首先来熟悉一下我们程序中用到的那个XML(保存为xyz.xml)。

<?xml version="1.0" encoding="gb2312" ?>
<links>采用PHP和XML技术构建的搜索引擎
<web memo="memo1" url="">name1</web>
<sub>电脑网络
<web memo="nemo2">name2</web>
<sub>程序设计
<web memo="memo3">name3</web>
<sub>PHP
<web url="http://www.phpbuilder.com/" memo="[英文]PHP开发资源。">
www.phpbuilder.com</web>
<web url="http://www.fokus.gmd.de" memo="[英文]PHP开发手册。 ">
PHP Manual</web>
</sub>
</sub>
</sub>
</links>


它的结构相当简单,根元素就是links,sub代表着一个类别,web就是一个网站的信息,其中包含着属性,url代表网站的联接,memo为备注信息,<web>??</web> 、<sub>??</sub>中包含的为元素的数据在这里就是类别和网站的名称,这是符合上面的规定的。

现在我们来回答上面提出的问题:为什么要用XML来编制搜索引擎?
第一个原因就是有时候由于各种原因我们可能不能用到数据库(MySQL或者其他);
其次,对于小数据量的搜索引擎来说,它的数据量很小,如果用数据库来做,效率未必有多高;

最重要的一点是,这个搜索引擎维护起来相当的简单,并且不用编写繁琐的数据库的维护的程序。例如,我们要添加一个类别或者网页,只要编辑文本的文件,加上一福eb>???</web>或是<sub>????</sub>就可以了,而且,如果想把一个类别移动到另一个地方的话,我们只要将这一部分的sub复制过去就行了。

下面一个最简单的用PHP显示XML的范例。

下面的程序是将解析XML并按照树形结构输出至浏览器,并显示每层的元素总数。

<?php
$file = "demo.xml";// XML文件
function xml_parse_from_file($parser, $file) {// 解析XML文件的函数 }
function start_element($parser, $name, $attrs) {//遇到了开元素标记如<a href="link">就执行这一段}
function stop_element($parser, $name) {//遇到了开元素标记如</body>就执行这一段}
function data($parser, $data) {……}
function showcount(){ //显示每一层的元素总数}

global $level,$levelcount,$maxlevel;
$level = -1;
$parser = xml_parser_create();// 产生解析器的实例
xml_set_element_handler($parser, "start_element", "stop_element"); // 设置处理函数
xml_set_character_data_handler($parser, "data");
xml_parser_set_option($parser, XML_OPTION_CASE_FOLDING, 0);
$ret = xml_parse_from_file($parser, $file); // 解析文件
if(!$ret) {
die(sprintf("XML error: %s at line %d", xml_error_string(xml_get_error_code($parser)), xml_get_current_line_number($parser)));
}
xml_parser_free($parser); // 释放解析器
showcount();
?>


在上面的程序的基础上,可以显示一段子树,我们依照元素的层数和他在该层的第几号来对他进行定位

例如:

links (0,1)
+----web (1,1)
+----sub (1,2)
| +----web (2,1)
| +----sub (2,2)
| | +----web (3,1)
| | +----sub (3,2)
:
:
:

下面的代码是我们的搜索引擎的基础。因为,要显示出一个子类别(如程序设计->PHP->)的信息就要用到他。

<?php
……
function start_element($parser, $name, $attrs) {
global $level,$levelcount,$maxlevel,$hide,$lev,$num,$PHP_SELF;
$level += 1;
if($level>$maxlevel)
$maxlevel=$level;
$levelcount[$level]+=1;

if($hide){ //判断是否在子树的范围内,$hide==FALSE 为在
if($level==$lev&&$levelcount[$level]==$num)
$hide=FALSE;
}else{
if($level<=$lev)$hide=TRUE;
}

if(!$hide){
……//输出
}
}
function data($parser, $data) {
global $level,$hide;
if(!$hide){
if(trim($data)!=""){ echo trim($data); }
}
}
……
global $hide,$lev,$num,$PHP_SELF;
$level = -1;
$hide = TRUE;
echo "<p><a href=$PHP_SELF>Root</a></p>";
if($lev==""){
$lev=0;$num=1;
}
……
?>

mini的搜索引擎到底如何做呢?

作了若干的铺垫,下面我们就来看一下我们的搜索引擎的主要文件。

第一段为仿sina,yahoo的按照类别查询
第二段为搜索查询部分(把整个树遍历一遍)显示符合的内容。

xml3.php

关键字匹配采用eregi函数,我们假设输入的文字都是不会导致错误的。

 

  • 上一篇:如何编译PHP源代码
  • 下一篇:升级PHP5的理由:PHP4和PHP5性能对比