什麼是XML?
XML是一種數據存儲格式。它沒有定義保存什麼數據,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>This test for PHP100</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後,XML 文檔就是正確的。模式文件可以用不同的格式指定。對於本文來說,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),那麼就對了。XML 和 HTML 都是基於標記的語言,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)標准(參見 參考資料)。所有現代的浏覽器都能呈現 XHTML。而且,還可以用 XML 工具讀取 XHTML 並找出文檔中的數據,這比解析 Html 容易得多。
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,並用節點樹表示它,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 文件並用 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。之後,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。腳本然後顯示這些值。可以在命令行上像這樣運行 PHP 腳本:
- % php e1.PHP
- PHP Hacks - lvtao.Net for PHP100
- Podcasting Hacks - lvtao.Net for PHP100
- %
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 庫該怎麼辦?
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,所以可以用於非常巨大的文件。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 文件並顯示內容的代碼。
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。然後腳本定義回調函數。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。然後,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。然後,設置回調句柄。之後,腳本讀取文件並把文件的大塊內容發送到解析器。在文件讀取之後,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 庫該怎麼辦?還有替代方案麼?
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。然後用一個 regex 函數讀取每個圖書項目。最後用 foreach 循環,在每個圖書塊間循環,並提取出 author、title 和 publisher。
那麼,缺陷在哪呢?使用正則表達式代碼讀取 XML 的問題是,它並沒先進行檢查,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,所以日後必須修改它們。
我從不建議使用正則表達式讀取 XML,但是有時它是兼容性最好的方式,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 最好的方式就是用 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。
示例圖書裝入之後,腳本創建一個 new DOMDocument,並把根節點 books 添加到它。然後腳本為每本書的 author、title 和 publisher 創建節點,並為每個節點添加文本節點。每個 book 節點的最後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 輸出到控制台。(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>memory Herrington</author>
- <title>PHP memory</title>
- <publisher>O'Reilly</publisher>
- </book>
- <book>
- <author>memory Herrington</author>
- <title>Podcasting Hacks</title>
- <publisher>O'Reilly</publisher>
- </book>
- </books>
- %
使用 DOM 的真正價值在於它創建的 XML 總是格式正確的。但是如果不能用 DOM 創建 XML 時該怎麼辦?
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 如何構建圖書 XML 文件。
清單7. 用PHP編寫圖書XML
- <?PHP
- $books = array();
- $books [] = array(
- 'title' => 'PHP100.com',
- 'author' => 'lPHP100.com',
- 'publisher' => "O'Reilly"
- );
- $books [] = array(
- 'title' => 'Podcasting PHP100',
- 'author' => 'memory',
- '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,然後在每個圖書中迭代,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。您以為自己創建了完美的 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 周圍總有許多誇大之處和混淆之處。但是,並不像您想像的那麼難 —— 特別是在 PHP 這樣優秀的語言中。在理解並正確地實現了 XML 之後,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。