詳解用PHP讀取和編寫XML DOM

作者：Jack Herrington 2010-09-09 16:17:10

文章提供了XML的簡短入門，然后解釋如何用PHP讀取和編寫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。

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，需要學習一點關于XML的知識：它是什么，用它做什么。然后，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。

51CTO推薦閱讀：JavaScript DOM的本質及操作方法

什么是XML？

XML是一種數據存儲格式。它沒有定義保存什么數據，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：

<powerUp />

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：

<powerUp></powerUp>

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：

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

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，這意味著標記是對稱的，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后，XML 文檔就是正確的。模式文件可以用不同的格式指定。對于本文來說，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記語言（HTML），那么就對了。XML 和 HTML 都是基于標記的語言，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：

<p>This is a paragraph<br> 
With a line break</p>

這個換行標記是格式良好的 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 并找出文檔中的數據，這比解析 HTML 容易得多。

#p#

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，并用節點樹表示它，如圖 1 所示。

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 文件并用 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。腳本然后顯示這些值。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，所以可以用于非常巨大的文件。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 文件并顯示內容的代碼。

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。然后腳本定義回調函數。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。然后，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。

為了讓解析繼續，腳本用 xml_parser_create 函數創建解析器。然后，設置回調句柄。之后，腳本讀取文件并把文件的大塊內容發送到解析器。在文件讀取之后，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 庫該怎么辦？還有替代方案么？

#p#

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。然后用一個 regex 函數讀取每個圖書項目。***用 foreach 循環，在每個圖書塊間循環，并提取出 author、title 和 publisher。

那么，缺陷在哪呢？使用正則表達式代碼讀取 XML 的問題是，它并沒先進行檢查，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式讀取 XML，但是有時它是兼容性***的方式，因為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，因為無法控制這類 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 ***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。

示例圖書裝入之后，腳本創建一個 new DOMDocument，并把根節點 books 添加到它。然后腳本為每本書的 author、title 和 publisher 創建節點，并為每個節點添加文本節點。每個 book 節點的***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 輸出到控制臺。（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 的真正價值在于它創建的 XML 總是格式正確的。但是如果不能用 DOM 創建 XML 時該怎么辦？

#p#

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> 
<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標記，然后在每個圖書中迭代，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。為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> 
<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。您以為自己創建了***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 這樣優秀的語言中。在理解并正確地實現了 XML 之后，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。

【編輯推薦】

利用DOM解析XML文檔實例
構建輕量級XML DOM分析程序
XML DOM新手入門指南

責任編輯：王曉東來源： IBM DW