首先我得承認(rèn)我喜歡計(jì)算機(jī)標(biāo)準(zhǔn)。如果每個(gè)人都遵從這個(gè)行業(yè)的標(biāo)準(zhǔn)，互聯(lián)網(wǎng)將會(huì)是一個(gè)更好的媒體。使用標(biāo)準(zhǔn)化的數(shù)據(jù)交換格式才能使開(kāi)放的和獨(dú)立于平臺(tái)的計(jì)算模式切實(shí)可行。這就是我作為XML愛(ài)好者的原因。
幸運(yùn)的是，我最喜愛(ài)的腳本語(yǔ)言不但支持XML而且對(duì)其支持正不斷加強(qiáng)。PHP可以讓我迅速將XML文檔發(fā)布到互聯(lián)網(wǎng)上，收集XML文檔的統(tǒng)計(jì)信息，將XML文檔轉(zhuǎn)換成其它格式。例如，我時(shí)常用PHP的XML處理能力來(lái)管理我用XML所寫(xiě)的文章和書(shū)。
本文中，我將討論任何用PHP內(nèi)建的Expat解析器來(lái)處理XML文檔。通過(guò)范例，我將演示Expat的處理方法。同時(shí)，范例可以告訴你
如何：
建立你自己的處理函數(shù)
將XML文檔轉(zhuǎn)換成你自己的PHP數(shù)據(jù)結(jié)構(gòu)
介紹Expat
XML的解析器，同樣稱(chēng)為XML處理器，可以使程序訪問(wèn)XML文檔的結(jié)構(gòu)和內(nèi)容。Expat是PHP腳本語(yǔ)言的XML解析器。它同時(shí)也運(yùn)用在
其它項(xiàng)目中，例如Mozilla、Apache和Perl。
什么是基于事件的解析器？
XML解析器的兩種基本類(lèi)型：
基于樹(shù)型的解析器：將XML文檔轉(zhuǎn)換成樹(shù)型結(jié)構(gòu)。這類(lèi)解析器分析整篇文章，同時(shí)提供一個(gè)API來(lái)訪問(wèn)所產(chǎn)生樹(shù)的每個(gè)元素。其通
用的標(biāo)準(zhǔn)為DOM（文檔對(duì)象模式）。
基于事件的解析器：將XML文檔視為一系列的事件。當(dāng)一個(gè)特殊事件發(fā)生時(shí)，解析器將調(diào)用開(kāi)發(fā)者提供的函數(shù)來(lái)處理。
基 于事件的解析器有一個(gè)XML文檔的數(shù)據(jù)集中視圖，也就是說(shuō)它集中在XML文檔的數(shù)據(jù)部分，而不是其結(jié)構(gòu)。這些解析器從頭到尾
處理文檔，并將類(lèi)似于－元素的 開(kāi)始、元素的結(jié)尾、特征數(shù)據(jù)的開(kāi)始等等－事件通過(guò)回調(diào)（callback）函數(shù)報(bào)告給應(yīng)用程序。以
下是一個(gè)"Hello-World"的XML文檔范例：
<greeting>
Hello World
</greeting>
基于事件的解析器將報(bào)告為三個(gè)事件：
開(kāi)始元素：greeting
CDATA項(xiàng)的開(kāi)始，值為：Hello World
結(jié)束元素：greeting
不像基于樹(shù)型的解析器，基于事件的解析器不產(chǎn)生描述文檔的結(jié)構(gòu)。在CDATA項(xiàng)中，基于事件的解析器不會(huì)讓你得到父元素
greeting的信息。
然而，它提供一個(gè)更底層的訪問(wèn)，這就使得可以更好地利用資源和更快地訪問(wèn)。通過(guò)這種方式，就沒(méi)有必要將整個(gè)文檔放入內(nèi)存
；而事實(shí)上，整個(gè)文檔甚至可以大于實(shí)際內(nèi)存值。
Expat就是這樣的一種基于事件的解析器。當(dāng)然如果使用Expat，必要時(shí)它一樣可以在PHP中生成完全的原生樹(shù)結(jié)構(gòu)。
上面Hello-World的范例包括完整的XML格式。但它是無(wú)效的，因?yàn)榧葲](méi)有DTD（文檔類(lèi)型定義）與其聯(lián)系，也沒(méi)有內(nèi)嵌DTD。
對(duì)于Expat，這并沒(méi)有區(qū)別：Expat是一個(gè)不檢查有效性的解析器，因此忽略任何與文檔聯(lián)系的DTD。但應(yīng)注意的是文檔仍然需要完
整的格式，否則Expat（和其他符合XML標(biāo)準(zhǔn)的解析器一樣）將會(huì)隨著出錯(cuò)信息而停止。
作為不檢查有效性的解析器，Exapt的快速性和輕巧性使其十分適合互聯(lián)網(wǎng)程序。
編譯Expat
Expat可以編譯進(jìn)PHP3.0.6版本（或以上）中。從Apache1.3.9開(kāi)始，Expat已經(jīng)作為Apache的一部分。在Unix系統(tǒng)中，通過(guò)-with
-xml選項(xiàng)配置PHP，你可以將其編譯入PHP。
如果你將PHP編譯為Apache的模塊，而Expat將默認(rèn)作為Apache的一部分。在Windows中，你則必須要加載XML動(dòng)態(tài)連接庫(kù)。
XML范例：XMLstats
了解Expat的函數(shù)的一個(gè)辦法就是通過(guò)范例。我們所要討論的范例是使用Expat來(lái)收集XML文檔的統(tǒng)計(jì)數(shù)據(jù)。
對(duì)于文檔中每個(gè)元素，以下信息都將被輸出：
該元素在文檔中使用的次數(shù)
該元素中字符數(shù)據(jù)的數(shù)量
元素的父元素
元素的子元素
注意：為了演示，我們利用PHP來(lái)產(chǎn)生一個(gè)結(jié)構(gòu)來(lái)保存元素的父元素和子元素
準(zhǔn)備
用 于產(chǎn)生XML解析器實(shí)例的函數(shù)為xml_parser_create()。該實(shí)例將用于以后的所有函數(shù)。這個(gè)思路非常類(lèi)似于PHP中MySQL函數(shù)的
連接 標(biāo)記。在解析文檔前，基于事件的解析器通常要求你注冊(cè)回調(diào)函數(shù)－用于特定的事件發(fā)生時(shí)調(diào)用。Expat沒(méi)有例外事件，它
定義了如下七個(gè)可能事件：
對(duì)象 XML解析函數(shù) 描述
元素 xml_set_element_handler() 元素的開(kāi)始和結(jié)束
字符數(shù)據(jù) xml_set_character_data_handler() 字符數(shù)據(jù)的開(kāi)始
外部實(shí)體 xml_set_external_entity_ref_handler() 外部實(shí)體出現(xiàn)
未解析外部實(shí)體 xml_set_unparsed_entity_decl_handler() 未解析的外部實(shí)體出現(xiàn)
處理指令 xml_set_processing_instruction_handler() 處理指令的出現(xiàn)
記法聲明 xml_set_notation_decl_handler() 記法聲明的出現(xiàn)
默認(rèn) xml_set_default_handler() 其它沒(méi)有指定處理函數(shù)的事件
所有的回調(diào)函數(shù)必須將解析器的實(shí)例作為其第一個(gè)參數(shù)（此外還有其它參數(shù)）。
對(duì)于本文最后的范例腳本。你需要注意的是它既用到了元素處理函數(shù)又用到了字符數(shù)據(jù)處理函數(shù)。元素的回調(diào)處理函數(shù)通過(guò)
xml_set_element_handler()來(lái)注冊(cè)。
這個(gè)函數(shù)需要三個(gè)參數(shù)：
解析器的實(shí)例
處理開(kāi)始元素的回調(diào)函數(shù)的名稱(chēng)
處理結(jié)束元素的回調(diào)函數(shù)的名稱(chēng)
當(dāng)開(kāi)始解析XML文檔時(shí)，回調(diào)函數(shù)必須存在。它們必須定義為與PHP手冊(cè)中所描述的原型一致。
例如，Expat將三個(gè)參數(shù)傳遞給開(kāi)始元素的處理函數(shù)。在腳本范例中，其定義如下：
function start_element($parser, $name, $attrs)
第一個(gè)參數(shù)是解析器標(biāo)示，第二個(gè)參數(shù)是開(kāi)始元素的名稱(chēng)，第三參數(shù)為包含元素所有屬性和值的數(shù)組。
一旦你開(kāi)始解析XML文檔，Expat在遇到開(kāi)始元素是都將調(diào)用你的start_element()函數(shù)并將參數(shù)傳遞過(guò)去。
XML的Case Folding選項(xiàng)
用xml_parser_set_option ()函數(shù)將Case folding選項(xiàng)關(guān)閉。這個(gè)選項(xiàng)默認(rèn)是打開(kāi)的，使得傳遞給處理函數(shù)的元素名自動(dòng)轉(zhuǎn)換為
大寫(xiě)。但XML對(duì)大小寫(xiě)是敏感的（所以大小寫(xiě)對(duì)統(tǒng)計(jì)XML文檔是非 常重要的）。對(duì)于我們的范例，case folding選項(xiàng)必須關(guān)閉。
解析文檔
在完成所有的準(zhǔn)備工作后，現(xiàn)在腳本終于可以解析XML文檔：
Xml_parse_from_file()，一個(gè)自定義的函數(shù)，打開(kāi)參數(shù)中指定的文件，并以4kb的大小進(jìn)行解析
xml_parse()和xml_parse_from_file()一樣，當(dāng)發(fā)生錯(cuò)誤時(shí)，即XML文檔的格式不完全時(shí)，將會(huì)返回false。
你可以使用xml_get_error_code()函數(shù)來(lái)得到最后一個(gè)錯(cuò)誤的數(shù)字代碼。將此數(shù)字代碼傳遞給xml_error_string()函數(shù)即可得到
錯(cuò)誤的文本信息。
輸出XML當(dāng)前的行數(shù)，使得調(diào)試更容易。
在解析的過(guò)程中，調(diào)用回調(diào)函數(shù)。
描述文檔結(jié)構(gòu)
當(dāng)解析文檔時(shí)，對(duì)于Expat需要強(qiáng)調(diào)問(wèn)題的是：如何保持文檔結(jié)構(gòu)的基本描述？
如前所述，基于事件的解析器本身并不產(chǎn)生任何結(jié)構(gòu)信息。
不 過(guò)標(biāo)簽(tag)結(jié)構(gòu)是XML的重要特性。例如，元素序列<book><title>表示的意思不同于< figure><title>。也就是說(shuō)，任何作
者都會(huì)告訴你書(shū)名和圖名是沒(méi)有關(guān)系的，雖然它們都用到"title"這個(gè)術(shù)語(yǔ)。因此， 為了更有效地使用基于事件的解析器處理XML
，你必須使用自己的棧(stacks)或列表(lists)來(lái)維護(hù)文檔的結(jié)構(gòu)信息。
為了產(chǎn)生文檔結(jié)構(gòu)的鏡像，腳本至少需要知道目前元素的父元素。用Exapt的API是無(wú)法實(shí)現(xiàn)的，它只報(bào)告目前元素的事件，而沒(méi)
有任何前后關(guān)系的信息。因此，你需要建立自己的棧結(jié)構(gòu)。
腳本范例使用先進(jìn)后出(FILO)的棧結(jié)構(gòu)。通過(guò)一個(gè)數(shù)組，棧將保存全部的開(kāi)始元素。對(duì)于開(kāi)始元素處理函數(shù)，目前的元素將被
array_push()函數(shù)推到棧的頂部。相應(yīng)的，結(jié)束元素處理函數(shù)通過(guò)array_pop()將最頂?shù)脑匾谱摺?
對(duì)于序列<book><title></title></book>，棧的填充如下：
開(kāi)始元素book：將"book"賦給棧的第一個(gè)元素($stack[0])。
開(kāi)始元素title：將"title"賦給棧的頂部($stack[1])。
結(jié)束元素title：從棧中將最頂部的元素移去($stack[1])。
結(jié)束元素title：從棧中將最頂部的元素移去($stack[0])。
PHP3.0通過(guò)一個(gè)$depth變量手動(dòng)控制元素的嵌套來(lái)實(shí)現(xiàn)范例。這就使腳本看起來(lái)比較復(fù)雜。PHP4.0通過(guò)array_pop()和
array_push()兩個(gè)函數(shù)來(lái)使腳本看起來(lái)更簡(jiǎn)潔。
收集數(shù)據(jù)
為了收集每個(gè)元素的信息，腳本需要記住每個(gè)元素的事件。通過(guò)使用一個(gè)全局的數(shù)組變量$elements來(lái)保存文檔中所有不同的元素
。數(shù)組的項(xiàng)目是元素類(lèi)的實(shí)例，有4個(gè)屬性（類(lèi)的變量）
$count -該元素在文檔中被發(fā)現(xiàn)的次數(shù)
$chars -元素中字符事件的字節(jié)數(shù)
$parents -父元素
$childs - 子元素
正如你所看到的，將類(lèi)實(shí)例保存在數(shù)組中是輕而易舉的。
注意：PHP的一個(gè)特性是你可以通過(guò)while(list() = each())loop遍歷整個(gè)類(lèi)結(jié)構(gòu)，如同你遍歷整個(gè)相應(yīng)的數(shù)組一樣。所有的類(lèi)變
量（當(dāng)你用PHP3.0時(shí)還有方法名）都以字符串的方式輸出。
當(dāng)發(fā)現(xiàn)一個(gè)元素時(shí)，我們需要增加其相應(yīng)的記數(shù)器來(lái)跟蹤它在文檔中出現(xiàn)多少次。在相應(yīng)的$elements項(xiàng)中的記數(shù)元素也要加一。
我們同樣要讓父元素知道目前的元素是它的子元素。因此，目前元素的名稱(chēng)將會(huì)加入到父元素的$childs數(shù)組的項(xiàng)目中。最后，目
前元素應(yīng)該記住誰(shuí)是它的父元素。所以，父元素被加入到目前元素$parents數(shù)組的項(xiàng)目中。
顯示統(tǒng)計(jì)信息
剩下的代碼在$elements數(shù)組和其子數(shù)組中循環(huán)顯示其統(tǒng)計(jì)結(jié)果。這就是最簡(jiǎn)單的嵌套循環(huán)，盡管輸出正確的結(jié)果，但代碼既不簡(jiǎn)
潔又沒(méi)有任何特別的技巧，它僅僅是一個(gè)你可能每天用他來(lái)完成工作的循環(huán)。
腳本范例被設(shè)計(jì)為通過(guò)PHP的CGI方式的命令行來(lái)調(diào)用。因此，統(tǒng)計(jì)結(jié)果輸出的格式為文本格式。如果你要將腳本運(yùn)用到互聯(lián)網(wǎng)上
，那么你需要修改輸出函數(shù)來(lái)產(chǎn)生HTML格式。
總結(jié)
Exapt是PHP的XML解析器。作為基于事件的解析器，它不產(chǎn)生文檔的結(jié)構(gòu)描述。但通過(guò)提供底層訪問(wèn)，這就使得可以更好地利用資
源和更快地訪問(wèn)。
作為一個(gè)不檢查有效性的解析器，Expat忽略與XML文檔連接的DTD，但如果文檔的格式不完整，它將會(huì)隨著出錯(cuò)信息而停止。
提供事件處理函數(shù)來(lái)處理文檔
建立自己的事件結(jié)構(gòu)例如棧和樹(shù)來(lái)獲得XML結(jié)構(gòu)信息標(biāo)記的優(yōu)點(diǎn)。
每天都有新的XML程序出現(xiàn)，而PHP對(duì)XML的支持也不斷加強(qiáng)（例如，增加了支持基于DOM的XML解析器LibXML）。
有了PHP和Expat，你就可以為即將出現(xiàn)的有效、開(kāi)放和獨(dú)立于平臺(tái)的標(biāo)準(zhǔn)作準(zhǔn)備。

最新評(píng)論