php解析xml的几种常见方法

XML处理是开发过程中经常遇到的,PHP对其也有很丰富的支持,本文只是对其中某几种解析技术做简要说明,包括:Xml parser, SimpleXML, XMLReader, DOMDocument。
1、XML Expat Parser:
XML Parser使用Expat XML解析器。Expat是一种基于事件的解析器,它把XML文档视为一系列事件。当某个事件发生时,它调用一个指定的函数处理它。Expat是无验证的 解析器,忽略任何链接到文档的DTD。但是,如果文档的形式不好,则会以一个错误消息结束。由于它基于事件,且无验证,Expat具有快速并适合web应 用程序的特性。
XML Parser的优势是性能好,因为它不是将整个xml文档载入内存后再处理,而是边解析边处理。但也正因为如此,它不适合那些要对xml结构做动态调整、 或基于xml上下文结构做复杂操作的需求。如果你只是要解析处理一个结构良好的xml文档,那么它可以很好的完成任务。需要注意的是XML Parser只支持三种编码格式:US-ASCII, ISO-8859-1和UTF-8,如果你的xml数据是其他编码,需要先转换成以上三个之一。
XML Parser常用的解析方式大体有两种(其实就是两个函数):xml_parse_into_struct和xml_set_element_handler。
xml_parse_into_struct
此方法是将xml数据解析到两个数组中:
index数组——包含指向Value 数组中值的位置的指针
value数组——包含来自被解析的 XML 的数据
这俩数组文字描述起来有点麻烦,还是看个例子吧(来自php官方文档)
  1. $simple = "<para><note>simple note</note></para>"
  2. $p = xml_parser_create(); 
  3. xml_parse_into_struct($p$simple$vals$index); 
  4. xml_parser_free($p); 
  5. echo "Index array\n"
  6. print_r($index); 
  7. echo "\nVals array\n"
  8. print_r($vals); 
输出:
  1. Index array 
  2. Array 
  3.     [PARA] => Array 
  4.         ( 
  5.             [0] => 0 
  6.             [1] => 2 
  7.         ) 
  8.  
  9.     [NOTE] => Array 
  10.         ( 
  11.             [0] => 1 
  12.         ) 
  13.  
  14. Vals array 
  15. Array 
  16.     [0] => Array 
  17.         ( 
  18.             [tag] => PARA 
  19.             [type] => open 
  20.             [level] => 1 
  21.         ) 
  22.  
  23.     [1] => Array 
  24.         ( 
  25.             [tag] => NOTE 
  26.             [type] => complete 
  27.             [level] => 2 
  28.             [value] => simple note 
  29.         ) 
  30.  
  31.     [2] => Array 
  32.         ( 
  33.             [tag] => PARA 
  34.             [type] => close 
  35.             [level] => 1 
  36.         ) 
其中index数组以标签名为key,对应的值是一个数组,里面包括所有此标签在value数组中的位置。然后通过这个位置,找到此标签对应的值。
如果xml中每组数据格式有出入,不能做到完全统一,那么在写代码时要注意,说不定就得到了错误的结果。比如下面这个例子:
  1. $xml = ' 
  2. <infos> 
  3. <para><note>note1</note><extra>extra1</extra></para> 
  4. <para><note>note2</note></para> 
  5. <para><note>note3</note><extra>extra3</extra></para> 
  6. </infos> 
  7. '; 
  8. $p = xml_parser_create(); 
  9. xml_parse_into_struct($p$xml$values$tags); 
  10. xml_parser_free($p); 
  11. $result = array(); 
  12. //下面的遍历方式有bug隐患 
  13. for ($i=0; $i<3; $i++) { 
  14.   $result[$i] = array(); 
  15.   $result[$i]["note"] = $values[$tags["NOTE"][$i]]["value"]; 
  16.   $result[$i]["extra"] = $values[$tags["EXTRA"][$i]]["value"]; 
  17. print_r($result); 
要是按照上面那种方式遍历,看似代码简单,但是暗藏危机,最致命的是得到错误的结果(extra3跑到第二个para里了)。所以要以一种比较严谨的方式遍历:
  1. $result = array(); 
  2. $paraTagIndexes = $tags['PARA']; 
  3. $paraCount = count($paraTagIndexes); 
  4. for($i = 0; $i < $paraCount$i += 2) { 
  5.   $para = array(); 
  6.   //遍历para标签对之间的所有值 
  7.   for($j = $paraTagIndexes[$i]; $j < $paraTagIndexes[$i+1]; $j++) { 
  8.     $value = $values[$j]['value']; 
  9.     if(empty($value)) continue
  10.  
  11.     $tagname = strtolower($values[$j]['tag']); 
  12.     if(in_array($tagnamearray('note','extra'))) { 
  13.       $para[$tagname] = $value
  14.     } 
  15.   } 
  16.   $result[] = $para
其实我很少用xml_parse_into_struct函数,所以上面所谓“严谨”的代码保不齐还会有其他情况下的bug。- -|
xml_set_element_handler
这种方式是为parser设置处理元素起始、元素终止的回调函数。配套的还有xml_set_character_data_handler用来为parser设置数据的回调函数。这种方式写的代码比较清晰,利于维护。
Example:
  1. $xml = <<<XML 
  2. <infos> 
  3. <para><note>note1</note><extra>extra1</extra></para> 
  4. <para><note>note2</note></para> 
  5. <para><note>note3</note><extra>extra3</extra></para> 
  6. </infos> 
  7. XML; 
  8.  
  9. $result = array(); 
  10. $index = -1; 
  11. $currData
  12.  
  13. function charactor($parser$data) { 
  14.   global $currData
  15.   $currData = $data
  16.  
  17. function startElement($parser$name$attribs) { 
  18.   global $result$index
  19.   $name = strtolower($name); 
  20.   if($name == 'para') { 
  21.     $index++; 
  22.     $result[$index] = array(); 
  23.   } 
  24.  
  25. function endElement($parser$name) { 
  26.   global $result$index$currData
  27.   $name = strtolower($name); 
  28.   if($name == 'note' || $name == 'extra') { 
  29.     $result[$index][$name] = $currData
  30.   } 
  31.  
  32. $xml_parser = xml_parser_create(); 
  33. xml_set_character_data_handler($xml_parser"charactor"); 
  34. xml_set_element_handler($xml_parser"startElement""endElement"); 
  35. if (!xml_parse($xml_parser$xml)) { 
  36.   echo "Error when parse xml: "
  37.   echo xml_error_string(xml_get_error_code($xml_parser)); 
  38. xml_parser_free($xml_parser); 
  39. print_r($result); 
可见,set handler方式虽然代码行数多,但思路清晰,可读性更好,不过性能上略慢于第一种方式,而且灵活性不强。XML Parser支持PHP4,适用于于使用老版本的系统。对于PHP5环境,还是优先考虑下面的方法吧。
2。 SimpleXML
SimpleXML 是PHP5后提供的一套简单易用的xml工具集,可以把xml转换成方便处理的对象,也可以组织生成xml数据。不过它不适用于包含namespace的 xml,而且要保证xml格式完整(well-formed)。它提供了三个方法:simplexml_import_dom、 simplexml_load_file、simplexml_load_string,函数名很直观地说明了函数的作用。三个函数都返回 SimpleXMLElement对象,数据的读取/添加都是通过SimpleXMLElement操作。
  1. $string = <<<XML 
  2. <?xml version='1.0'?> 
  3. <document> 
  4.   <cmd>login</cmd> 
  5.   <login>imdonkey</login> 
  6. </document> 
  7. XML; 
  8. $xml = simplexml_load_string($string); 
  9. print_r($xml); 
  10. $login = $xml->login;//这里返回的依然是个SimpleXMLElement对象 
  11. print_r($login); 
  12. $login = (string) $xml->login;//在做数据比较时,注意要先强制转换 
  13. print_r($login); 
SimpleXML的优点是开发简单,缺点是它会将整个xml载入内存后再进行处理,所以在解析超多内容的xml文档时可能会力不从心。如果是读取小文件,而且xml中也不包含namespace,那SimpleXML是很好的选择。
3。 XMLReader
XMLReader也是PHP5之后的扩展(5.1后默认安装),它就像游标一样在文档流中移动,并在每个节点处停下来,操作起来很灵活。它提供了对输入的快速和非缓存的流式访问,可以读取流或文档,使用户从中提取数据,并跳过对应用程序没有意义的记录。
以一个利用google天气api获取信息的例子展示下XMLReader的使用,这里也只涉及到一小部分函数,更多还请参考官方文档。
  1. $xml_uri = 'http://www.google.com/ig/api?weather=Beijing&hl=zh-cn'
  2. $current = array(); 
  3. $forecast = array(); 
  4. $reader = new XMLReader(); 
  5. $reader->open($xml_uri'gbk'); 
  6. while ($reader->read()) { 
  7.   //get current data 
  8.   if ($reader->name == "current_conditions" && $reader->nodeType == XMLReader::ELEMENT) { 
  9.     while($reader->read() && $reader->name != "current_conditions") { 
  10.       $name = $reader->name; 
  11.       $value = $reader->getAttribute('data'); 
  12.       $current[$name] = $value
  13.     } 
  14.   } 
  15.  
  16.   //get forecast data 
  17.   if ($reader->name == "forecast_conditions" && $reader->nodeType == XMLReader::ELEMENT) { 
  18.     $sub_forecast = array(); 
  19.     while($reader->read() && $reader->name != "forecast_conditions") { 
  20.       $name = $reader->name; 
  21.       $value = $reader->getAttribute('data'); 
  22.       $sub_forecast[$name] = $value
  23.     } 
  24.     $forecast[] = $sub_forecast
  25.   } 
  26. $reader->close(); 
XMLReader和XML Parser类似,都是边读边操作,较大的差异在于SAX模型是一个“推送”模型,其中分析器将事件推到应用程序,在每次读取新节点时通知应用程序,而使用XmlReader的应用程序可以随意从读取器提取节点,可控性更好。
由于XMLReader基于libxml,所以有些函数要参考文档看看是否适用于你的libxml版本。
4。 DOMDocument
DOMDocument还是PHP5后推出的DOM扩展的一部分,可用来建立或解析html/xml,目前只支持utf-8编码。
  1. $xmlstring = <<<XML 
  2. <?xml version='1.0'?> 
  3. <document> 
  4.   <cmd attr='default'>login</cmd> 
  5.   <login>imdonkey</login> 
  6. </document> 
  7. XML; 
  8.  
  9. $dom = new DOMDocument(); 
  10. $dom->loadXML($xmlstring); 
  11. print_r(getArray($dom->documentElement)); 
  12.  
  13. function getArray($node) { 
  14.   $array = false; 
  15.  
  16.   if ($node->hasAttributes()) { 
  17.     foreach ($node->attributes as $attr) { 
  18.       $array[$attr->nodeName] = $attr->nodeValue; 
  19.     } 
  20.   } 
  21.  
  22.   if ($node->hasChildNodes()) { 
  23.     if ($node->childNodes->length == 1) { 
  24.       $array[$node->firstChild->nodeName] = getArray($node->firstChild); 
  25.     } else { 
  26.       foreach ($node->childNodes as $childNode) { 
  27.       if ($childNode->nodeType != XML_TEXT_NODE) { 
  28.         $array[$childNode->nodeName][] = getArray($childNode); 
  29.       } 
  30.     } 
  31.   } 
  32.   } else { 
  33.     return $node->nodeValue; 
  34.   } 
  35.   return $array
从函数名上看感觉跟JavaScript很像,应该是借鉴了一些吧。DOMDocument也是一次性将xml载入内存,所以内存问题同样需要注意。PHP提供了这么多的xml处理方式,开发人员在选择上就要花些时间了解,选择适合项目需求及系统环境、又便于维护的方法。

转载请注明:代码家园 » php解析xml的几种常见方法

评论列表(网友评论仅供网友表达个人看法,并不表明本站同意其观点或证实其描述)