PHP-四種解析XML檔案的方法

weixin_33816946發表於2014-11-10

XML處理是開發過程中經常遇到的,PHP對其也有很豐富的支援,本文只是對其中某幾種解析技術做簡要說明,包括:Xml parser, SimpleXML, XMLReader, DOMDocument。

1。 XML Expat Parser:

XML Parser使用Expat XML解析器。Expat是一種基於事件的解析器,它把XML文件視為一系列事件。當某個事件發生時,它呼叫一個指定的函式處理它。Expat是無驗證的 解析器,忽略任何連結到文件的DTD。但是,如果文件的形式不好,則會以一個錯誤訊息結束。由於它基於事件,且無驗證,Expat具有快速並適合web應 用程式的特性。

XML Parser的優勢是效能好,因為它不是將整個xml文件載入記憶體後再處理,而是邊解析邊處理。但也正因為如此,它不適合那些要對xml結構做動態調整、 或基於xml上下文結構做複雜操作的需求。如果你只是要解析處理一個結構良好的xml文件,那麼它可以很好的完成任務。需要注意的是XML Parser只支援三種編碼格式:US-ASCII, ISO-8859-1和UTF-8,如果你的xml資料是其他編碼,需要先轉換成以上三個之一。
XML Parser常用的解析方式大體有兩種(其實就是兩個函式):xml_parse_into_struct和xml_set_element_handler。


xml_parse_into_struct

此方法是將xml資料解析到兩個陣列中:
index陣列——包含指向Value 陣列中值的位置的指標
value陣列——包含來自被解析的 XML 的資料

這倆陣列文字描述起來有點麻煩,還是看個例子吧(來自php官方文件)

$simple = "<para><note>simple note</note></para>";
$p = xml_parser_create();
xml_parse_into_struct($p, $simple, $vals, $index);
xml_parser_free($p);
echo "Index array\n";
print_r($index);
echo "\nVals array\n";
print_r($vals);

輸出:
Index array
Array
(
    [PARA] => Array
        (
            [0] => 0
            [1] => 2
        )

    [NOTE] => Array
        (
            [0] => 1
        )
)

Vals array
Array
(
    [0] => Array
        (
            [tag] => PARA
            [type] => open
            [level] => 1
        )

    [1] => Array
        (
            [tag] => NOTE
            [type] => complete
            [level] => 2
            [value] => simple note
        )

    [2] => Array
        (
            [tag] => PARA
            [type] => close
            [level] => 1
        )
)

其中index陣列以標籤名為key,對應的值是一個陣列,裡面包括所有此標籤在value陣列中的位置。然後通過這個位置,找到此標籤對應的值。

如果xml中每組資料格式有出入,不能做到完全統一,那麼在寫程式碼時要注意,說不定就得到了錯誤的結果。比如下面這個例子:

$xml = '
<infos>
<para><note>note1</note><extra>extra1</extra></para>
<para><note>note2</note></para>
<para><note>note3</note><extra>extra3</extra></para>
</infos>
';

$p = xml_parser_create();
xml_parse_into_struct($p, $xml, $values, $tags);
xml_parser_free($p);
$result = array();
//下面的遍歷方式有bug隱患
for ($i=0; $i<3; $i++) {
  $result[$i] = array();
  $result[$i]["note"] = $values[$tags["NOTE"][$i]]["value"];
  $result[$i]["extra"] = $values[$tags["EXTRA"][$i]]["value"];
}
print_r($result);

要是按照上面那種方式遍歷,看似程式碼簡單,但是暗藏危機,最致命的是得到錯誤的結果(extra3跑到第二個para裡了)。所以要以一種比較嚴謹的方式遍歷:

$result = array();
$paraTagIndexes = $tags['PARA'];
$paraCount = count($paraTagIndexes);
for($i = 0; $i < $paraCount; $i += 2) {
  $para = array();
  //遍歷para標籤對之間的所有值
  for($j = $paraTagIndexes[$i]; $j < $paraTagIndexes[$i+1]; $j++) {
    $value = $values[$j]['value'];
    if(empty($value)) continue;

    $tagname = strtolower($values[$j]['tag']);
    if(in_array($tagname, array('note','extra'))) {
      $para[$tagname] = $value;
    }
  }
  $result[] = $para;
}

其實我很少用xml_parse_into_struct函式,所以上面所謂“嚴謹”的程式碼保不齊還會有其他情況下的bug。- -|
xml_set_element_handler

這種方式是為parser設定處理元素起始、元素終止的回撥函式。配套的還有xml_set_character_data_handler用來為parser設定資料的回撥函式。這種方式寫的程式碼比較清晰,利於維護。

Example:

$xml = <<<XML
<infos>
<para><note>note1</note><extra>extra1</extra></para>
<para><note>note2</note></para>
<para><note>note3</note><extra>extra3</extra></para>
</infos>
XML;

$result = array();
$index = -1;
$currData;

function charactor($parser, $data) {
  global $currData;
  $currData = $data;
}

function startElement($parser, $name, $attribs) {
  global $result, $index;
  $name = strtolower($name);
  if($name == 'para') {
    $index++;
    $result[$index] = array();
  }
}

function endElement($parser, $name) {
  global $result, $index, $currData;
  $name = strtolower($name);
  if($name == 'note' || $name == 'extra') {
    $result[$index][$name] = $currData;
  }
}

$xml_parser = xml_parser_create();
xml_set_character_data_handler($xml_parser, "charactor");
xml_set_element_handler($xml_parser, "startElement", "endElement");
if (!xml_parse($xml_parser, $xml)) {
  echo "Error when parse xml: ";
  echo xml_error_string(xml_get_error_code($xml_parser));
}
xml_parser_free($xml_parser);

print_r($result);

可見,set handler方式雖然程式碼行數多,但思路清晰,可讀性更好,不過效能上略慢於第一種方式,而且靈活性不強。XML Parser支援PHP4,適用於於使用老版本的系統。對於PHP5環境,還是優先考慮下面的方法吧。

2。 SimpleXML

SimpleXML 是PHP5後提供的一套簡單易用的xml工具集,可以把xml轉換成方便處理的物件,也可以組織生成xml資料。不過它不適用於包含namespace的 xml,而且要保證xml格式完整(well-formed)。它提供了三個方法:simplexml_import_dom、 simplexml_load_file、simplexml_load_string,函式名很直觀地說明了函式的作用。三個函式都返回 SimpleXMLElement物件,資料的讀取/新增都是通過SimpleXMLElement操作。

$string = <<<XML
<?xml version='1.0'?>
<document>
  <cmd>login</cmd>
  <login>imdonkey</login>
</document>
XML;

$xml = simplexml_load_string($string);
print_r($xml);
$login = $xml->login;//這裡返回的依然是個SimpleXMLElement物件
print_r($login);
$login = (string) $xml->login;//在做資料比較時,注意要先強制轉換
print_r($login);

SimpleXML的優點是開發簡單,缺點是它會將整個xml載入記憶體後再進行處理,所以在解析超多內容的xml文件時可能會力不從心。如果是讀取小檔案,而且xml中也不包含namespace,那SimpleXML是很好的選擇。

 

3。 XMLReader

XMLReader也是PHP5之後的擴充套件(5.1後預設安裝),它就像遊標一樣在文件流中移動,並在每個節點處停下來,操作起來很靈活。它提供了對輸入的快速和非快取的流式訪問,可以讀取流或文件,使使用者從中提取資料,並跳過對應用程式沒有意義的記錄。
以一個利用google天氣api獲取資訊的例子展示下XMLReader的使用,這裡也只涉及到一小部分函式,更多還請參考官方文件。

$xml_uri = 'http://www.google.com/ig/api?weather=Beijing&hl=zh-cn';
$current = array();
$forecast = array();

$reader = new XMLReader();
$reader->open($xml_uri, 'gbk');
while ($reader->read()) {
  //get current data
  if ($reader->name == "current_conditions" && $reader->nodeType == XMLReader::ELEMENT) {
    while($reader->read() && $reader->name != "current_conditions") {
      $name = $reader->name;
      $value = $reader->getAttribute('data');
      $current[$name] = $value;
    }
  }

  //get forecast data
  if ($reader->name == "forecast_conditions" && $reader->nodeType == XMLReader::ELEMENT) {
    $sub_forecast = array();
    while($reader->read() && $reader->name != "forecast_conditions") {
      $name = $reader->name;
      $value = $reader->getAttribute('data');
      $sub_forecast[$name] = $value;
    }
    $forecast[] = $sub_forecast;
  }
}
$reader->close();

XMLReader和XML Parser類似,都是邊讀邊操作,較大的差異在於SAX模型是一個“推送”模型,其中分析器將事件推到應用程式,在每次讀取新節點時通知應用程式,而使用XmlReader的應用程式可以隨意從讀取器提取節點,可控性更好。
由於XMLReader基於libxml,所以有些函式要參考文件看看是否適用於你的libxml版本。

4。 DOMDocument

DOMDocument還是PHP5後推出的DOM擴充套件的一部分,可用來建立或解析html/xml,目前只支援utf-8編碼。

$xmlstring = <<<XML
<?xml version='1.0'?>
<document>
  <cmd attr='default'>login</cmd>
  <login>imdonkey</login>
</document>
XML;

$dom = new DOMDocument();
$dom->loadXML($xmlstring);
print_r(getArray($dom->documentElement));

function getArray($node) {
  $array = false;

  if ($node->hasAttributes()) {
    foreach ($node->attributes as $attr) {
      $array[$attr->nodeName] = $attr->nodeValue;
    }
  }

  if ($node->hasChildNodes()) {
    if ($node->childNodes->length == 1) {
      $array[$node->firstChild->nodeName] = getArray($node->firstChild);
    } else {
      foreach ($node->childNodes as $childNode) {
      if ($childNode->nodeType != XML_TEXT_NODE) {
        $array[$childNode->nodeName][] = getArray($childNode);
      }
    }
  }
  } else {
    return $node->nodeValue;
  }
  return $array;
}

從函式名上看感覺跟JavaScript很像,應該是借鑑了一些吧。DOMDocument也是一次性將xml載入記憶體,所以記憶體問題同樣需要注意。PHP提供了這麼多的xml處理方式,開發人員在選擇上就要花些時間瞭解,選擇適合專案需求及系統環境、又便於維護的方法。

轉 

http://www.phpzh.com/archives/525/2

相關文章