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
??
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:
对象 |
XML解析函数 |
描述 |
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(My
SQL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,加上一福紈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。
原文转自:http://www.ltesting.net
|