有許多技術可用於用PHP 讀取和編寫XML。本文提供了三種方法讀取XML：使用DOM 函式庫、使用SAX 解析器和使用正規表示式。也介紹了使用DOM 和PHP 文字範本編寫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，但用PHP 讀取和編寫XML 不一定是項目恐怖的任務。首先，需要學習一點關於XML 的知識── 它是什麼，要用它做什麼。然後，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。
本文提供了XML 的簡短入門，然後解釋如何用PHP 讀取和編寫XML。
什麼是XML？
XML 是一種資料儲存格式。它沒有定義要保存什麼數據，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＞Jack Herrington＜/name＞
這個＜name＞ 標記包含一些文字：Jack Herrington。
不包含文字的XML 標記看起來像這樣：
＜powerUp /＞
用XML 對某件事進行寫的方式不只一種。例如，這個標記形成的輸出與前一個標記相同：
＜powerUp＞＜/powerUp＞
也可以為XML 標記新增屬性。例如，這個＜name＞ 標記包含first 和last 屬性：
＜name first="Jack" last="Herrington" /＞
也可以用XML 對特殊字元進行編碼。例如，& 符號可以像這樣編碼：
&
包含標記和屬性的XML 檔案如果像範例一樣格式化，就是格式良好的，這表示標記是對稱的，字元的編碼正確。清單1 是一份格式良好的XML 的範例。
清單1. XML 圖書列表範例
＜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 包含一個圖書清單。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 文件的標記結構和內容得到外部模式文件的驗證後，XML 文件就是正確的。模式檔案可以用不同的格式指定。對本文來說，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 文件可能是格式良好的HTML，但並非所有的HTML 文件都是格式良好的XML。換行標記（br）是XML 和HTML 之間差異的一個好例子。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 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（請參閱參考資料）。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 並找出文件中的數據，這比解析HTML 容易得多。
使用DOM 庫讀取XML
讀取格式良好的XML 檔案最容易的方式是使用編譯成某些PHP 安裝的文件物件模型（DOM）函式庫。 DOM 函式庫把整個XML 文件讀入內存，並用節點樹表示它，如圖1 所示。
圖1. 圖書XML 的XML DOM 樹
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 節點分別有包含文字的文字子節點。
讀取圖書XML 檔案並以DOM 顯示內容的程式碼如清單2 所示。
清單2. 用DOM 讀圖書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 - $publishern";
}
?＞
|
腳本先建立一個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清單。
在book 節點的迴圈中，腳本用getElementsByName 方法取得author、publisher 和title 標記的nodeValue。 nodeValue 是節點中的文字。腳本然後顯示這些值。
可以在命令列上像這樣執行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。這是一個好的開始。但是，如果無法存取XML DOM 函式庫該怎麼辦？
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 解析器運行在回呼模型上。每次開啟或關閉一個標記時，或每次解析器看到文字時，就用節點或文字的資訊回呼使用者定義的函數。
SAX 解析器的優點是，它是真正輕量級的。解析器不會在記憶體中長期保持內容，所以可以用於非常巨大的檔案。缺點是編寫SAX 解析器回呼是件非常麻煩的事。清單3 顯示了使用SAX 讀取圖書XML 檔案並顯示內容的程式碼。
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";
}
?＞
|
腳本首先設定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。在這個範例中，回呼函數是startElement、endElement 和textData。在開啟和關閉標記的時候，分別呼叫startElement 和endElement 函數。在開始和結束標記之間的文字上面，呼叫textData。
在這個範例中，startElement 標記查找book 標記，在book 陣列中開始一個新元素。然後，textData 函式會查看目前元素，看它是不是publisher、title 或author 標記。如果是，函數就把目前文字放入目前圖書。
為了讓解析繼續，腳本用xml_parser_create 函數建立解析器。然後，設定回調句柄。之後，腳本讀取檔案並把檔案的大塊內容傳送到解析器。在檔案讀取之後，xml_parser_free 函數刪除解析器。腳本的末尾輸出g_books 陣列的內容。
可以看到，這比編寫DOM 的相同功能要困難得多。如果沒有DOM 函式庫也沒有SAX 函式庫該怎麼辦？還有替代方案麼？
用正規表示式解析XML
可以肯定，即使提到這個方法，有些工程師也會批評我，但確實可以用正規表示式解析XML。清單4 顯示了使用preg_ 函數讀取圖書檔案的範例。
清單4. 用正規表示式讀取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，它把檔案讀進一個大的字串。然後用一個regex 函數讀取每個圖書項目。最後用foreach 循環，在每個圖書區塊間循環，並提取出author、title 和publisher。
那麼，缺陷在哪呢？使用正規表示式程式碼讀取XML 的問題是，它並沒有先進行檢查，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 可能與正規表示式不匹配，所以日後必須修改它們。
我從不建議使用正規表示式讀取XML，但是有時它是相容性最好的方式，因為正規表示式函數總是可用的。不要用正規表示式讀取直接來自使用者的XML，因為無法控制這類XML 的格式或結構。應一直用DOM 函式庫或SAX 解析器讀取來自使用者的XML。用DOM 編寫XML
讀取XML 只是公式的一部分。該怎樣編寫XML 呢？寫XML 最好的方式就是用DOM。清單5 顯示了DOM 建立圖書XML 檔案的方式。
清單5. 用DOM 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，用一些範例圖書裝入了books 陣列。這個數據可以來自使用者也可以來自資料庫。
範例圖書裝入之後，腳本建立一個new DOMDocument，並把根節點books 加到它。然後腳本為每本書的author、title 和publisher 建立節點，並為每個節點新增文字節點。每個book 節點的最後一步是重新把它加到根節點books。
腳本的最後用saveXML 方法把XML 輸出到控制台。 （也可以用save 方法建立一個XML 檔案。）腳本的輸出如清單6 所示。
清單6. DOM 建置腳本的輸出
% 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 的真正價值在於它所建立的XML 總是格式正確的。但是如果不能用DOM 建立XML 時該怎麼辦？
用PHP 寫XML
如果DOM 不可用，可以用PHP 的文字範本編寫XML。清單7 顯示了PHP 如何建立圖書XML 檔案。
清單7. 用PHP 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，然後在每個書籍中迭代，建立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，必須在每個項目上呼叫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 來寫XML 的煩人之處。您以為自己創建了完美的XML，但是在試圖使用資料的時候，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。
