首先我得承認我喜歡計算機標準。如果每個人都遵從這個行業(yè)的標準，互聯(lián)網(wǎng)將會是一個更好的媒體。使用標準化的數(shù)據(jù)交換格式才能使開放的和獨立于平臺的計算模式切實可行。這就是我作為XML愛好者的原因。
幸運的是，我最喜愛的腳本語言不但支持XML而且對其支持正不斷加強。PHP可以讓我迅速將XML文檔發(fā)布到互聯(lián)網(wǎng)上，收集XML文檔的統(tǒng)計信息，將XML文檔轉(zhuǎn)換成其它格式。例如，我時常用PHP的XML處理能力來管理我用XML所寫的文章和書。
本文中，我將討論任何用PHP內(nèi)建的Expat解析器來處理XML文檔。通過范例，我將演示Expat的處理方法。同時，范例可以告訴你
如何：
建立你自己的處理函數(shù)
將XML文檔轉(zhuǎn)換成你自己的PHP數(shù)據(jù)結(jié)構(gòu)
介紹Expat
XML的解析器，同樣稱為XML處理器，可以使程序訪問XML文檔的結(jié)構(gòu)和內(nèi)容。Expat是PHP腳本語言的XML解析器。它同時也運用在
其它項目中，例如Mozilla、Apache和Perl。
什么是基于事件的解析器？
XML解析器的兩種基本類型：
基于樹型的解析器：將XML文檔轉(zhuǎn)換成樹型結(jié)構(gòu)。這類解析器分析整篇文章，同時提供一個API來訪問所產(chǎn)生樹的每個元素。其通
用的標準為DOM（文檔對象模式）。
基于事件的解析器：將XML文檔視為一系列的事件。當一個特殊事件發(fā)生時，解析器將調(diào)用開發(fā)者提供的函數(shù)來處理。
基 于事件的解析器有一個XML文檔的數(shù)據(jù)集中視圖，也就是說它集中在XML文檔的數(shù)據(jù)部分，而不是其結(jié)構(gòu)。這些解析器從頭到尾
處理文檔，并將類似于－元素的 開始、元素的結(jié)尾、特征數(shù)據(jù)的開始等等－事件通過回調(diào)（callback）函數(shù)報告給應(yīng)用程序。以
下是一個"Hello-World"的XML文檔范例：
<greeting>
Hello World
</greeting>
基于事件的解析器將報告為三個事件：
開始元素：greeting
CDATA項的開始，值為：Hello World
結(jié)束元素：greeting
不像基于樹型的解析器，基于事件的解析器不產(chǎn)生描述文檔的結(jié)構(gòu)。在CDATA項中，基于事件的解析器不會讓你得到父元素
greeting的信息。
然而，它提供一個更底層的訪問，這就使得可以更好地利用資源和更快地訪問。通過這種方式，就沒有必要將整個文檔放入內(nèi)存
；而事實上，整個文檔甚至可以大于實際內(nèi)存值。
Expat就是這樣的一種基于事件的解析器。當然如果使用Expat，必要時它一樣可以在PHP中生成完全的原生樹結(jié)構(gòu)。
上面Hello-World的范例包括完整的XML格式。但它是無效的，因為既沒有DTD（文檔類型定義）與其聯(lián)系，也沒有內(nèi)嵌DTD。
對于Expat，這并沒有區(qū)別：Expat是一個不檢查有效性的解析器，因此忽略任何與文檔聯(lián)系的DTD。但應(yīng)注意的是文檔仍然需要完
整的格式，否則Expat（和其他符合XML標準的解析器一樣）將會隨著出錯信息而停止。
作為不檢查有效性的解析器，Exapt的快速性和輕巧性使其十分適合互聯(lián)網(wǎng)程序。
編譯Expat
Expat可以編譯進PHP3.0.6版本（或以上）中。從Apache1.3.9開始，Expat已經(jīng)作為Apache的一部分。在Unix系統(tǒng)中，通過-with
-xml選項配置PHP，你可以將其編譯入PHP。
如果你將PHP編譯為Apache的模塊，而Expat將默認作為Apache的一部分。在Windows中，你則必須要加載XML動態(tài)連接庫。
XML范例：XMLstats
了解Expat的函數(shù)的一個辦法就是通過范例。我們所要討論的范例是使用Expat來收集XML文檔的統(tǒng)計數(shù)據(jù)。
對于文檔中每個元素，以下信息都將被輸出：
該元素在文檔中使用的次數(shù)
該元素中字符數(shù)據(jù)的數(shù)量
元素的父元素
元素的子元素
注意：為了演示，我們利用PHP來產(chǎn)生一個結(jié)構(gòu)來保存元素的父元素和子元素
準備
用 于產(chǎn)生XML解析器實例的函數(shù)為xml_parser_create()。該實例將用于以后的所有函數(shù)。這個思路非常類似于PHP中MySQL函數(shù)的
連接 標記。在解析文檔前，基于事件的解析器通常要求你注冊回調(diào)函數(shù)－用于特定的事件發(fā)生時調(diào)用。Expat沒有例外事件，它
定義了如下七個可能事件：
對象 XML解析函數(shù) 描述
元素 xml_set_element_handler() 元素的開始和結(jié)束
字符數(shù)據(jù) xml_set_character_data_handler() 字符數(shù)據(jù)的開始
外部實體 xml_set_external_entity_ref_handler() 外部實體出現(xiàn)
未解析外部實體 xml_set_unparsed_entity_decl_handler() 未解析的外部實體出現(xiàn)
處理指令 xml_set_processing_instruction_handler() 處理指令的出現(xiàn)
記法聲明 xml_set_notation_decl_handler() 記法聲明的出現(xiàn)
默認 xml_set_default_handler() 其它沒有指定處理函數(shù)的事件
所有的回調(diào)函數(shù)必須將解析器的實例作為其第一個參數(shù)（此外還有其它參數(shù)）。
對于本文最后的范例腳本。你需要注意的是它既用到了元素處理函數(shù)又用到了字符數(shù)據(jù)處理函數(shù)。元素的回調(diào)處理函數(shù)通過
xml_set_element_handler()來注冊。
這個函數(shù)需要三個參數(shù)：
解析器的實例
處理開始元素的回調(diào)函數(shù)的名稱
處理結(jié)束元素的回調(diào)函數(shù)的名稱
當開始解析XML文檔時，回調(diào)函數(shù)必須存在。它們必須定義為與PHP手冊中所描述的原型一致。
例如，Expat將三個參數(shù)傳遞給開始元素的處理函數(shù)。在腳本范例中，其定義如下：
function start_element($parser, $name, $attrs)
第一個參數(shù)是解析器標示，第二個參數(shù)是開始元素的名稱，第三參數(shù)為包含元素所有屬性和值的數(shù)組。
一旦你開始解析XML文檔，Expat在遇到開始元素是都將調(diào)用你的start_element()函數(shù)并將參數(shù)傳遞過去。
XML的Case Folding選項
用xml_parser_set_option ()函數(shù)將Case folding選項關(guān)閉。這個選項默認是打開的，使得傳遞給處理函數(shù)的元素名自動轉(zhuǎn)換為
大寫。但XML對大小寫是敏感的（所以大小寫對統(tǒng)計XML文檔是非 常重要的）。對于我們的范例，case folding選項必須關(guān)閉。
解析文檔
在完成所有的準備工作后，現(xiàn)在腳本終于可以解析XML文檔：
Xml_parse_from_file()，一個自定義的函數(shù)，打開參數(shù)中指定的文件，并以4kb的大小進行解析
xml_parse()和xml_parse_from_file()一樣，當發(fā)生錯誤時，即XML文檔的格式不完全時，將會返回false。
你可以使用xml_get_error_code()函數(shù)來得到最后一個錯誤的數(shù)字代碼。將此數(shù)字代碼傳遞給xml_error_string()函數(shù)即可得到
錯誤的文本信息。
輸出XML當前的行數(shù)，使得調(diào)試更容易。
在解析的過程中，調(diào)用回調(diào)函數(shù)。
描述文檔結(jié)構(gòu)
當解析文檔時，對于Expat需要強調(diào)問題的是：如何保持文檔結(jié)構(gòu)的基本描述？
如前所述，基于事件的解析器本身并不產(chǎn)生任何結(jié)構(gòu)信息。
不 過標簽(tag)結(jié)構(gòu)是XML的重要特性。例如，元素序列<book><title>表示的意思不同于< figure><title>。也就是說，任何作
者都會告訴你書名和圖名是沒有關(guān)系的，雖然它們都用到"title"這個術(shù)語。因此， 為了更有效地使用基于事件的解析器處理XML
，你必須使用自己的棧(stacks)或列表(lists)來維護文檔的結(jié)構(gòu)信息。
為了產(chǎn)生文檔結(jié)構(gòu)的鏡像，腳本至少需要知道目前元素的父元素。用Exapt的API是無法實現(xiàn)的，它只報告目前元素的事件，而沒
有任何前后關(guān)系的信息。因此，你需要建立自己的棧結(jié)構(gòu)。
腳本范例使用先進后出(FILO)的棧結(jié)構(gòu)。通過一個數(shù)組，棧將保存全部的開始元素。對于開始元素處理函數(shù)，目前的元素將被
array_push()函數(shù)推到棧的頂部。相應(yīng)的，結(jié)束元素處理函數(shù)通過array_pop()將最頂?shù)脑匾谱摺?
對于序列<book><title></title></book>，棧的填充如下：
開始元素book：將"book"賦給棧的第一個元素($stack[0])。
開始元素title：將"title"賦給棧的頂部($stack[1])。
結(jié)束元素title：從棧中將最頂部的元素移去($stack[1])。
結(jié)束元素title：從棧中將最頂部的元素移去($stack[0])。
PHP3.0通過一個$depth變量手動控制元素的嵌套來實現(xiàn)范例。這就使腳本看起來比較復(fù)雜。PHP4.0通過array_pop()和
array_push()兩個函數(shù)來使腳本看起來更簡潔。
收集數(shù)據(jù)
為了收集每個元素的信息，腳本需要記住每個元素的事件。通過使用一個全局的數(shù)組變量$elements來保存文檔中所有不同的元素
。數(shù)組的項目是元素類的實例，有4個屬性（類的變量）
$count -該元素在文檔中被發(fā)現(xiàn)的次數(shù)
$chars -元素中字符事件的字節(jié)數(shù)
$parents -父元素
$childs - 子元素
正如你所看到的，將類實例保存在數(shù)組中是輕而易舉的。
注意：PHP的一個特性是你可以通過while(list() = each())loop遍歷整個類結(jié)構(gòu)，如同你遍歷整個相應(yīng)的數(shù)組一樣。所有的類變
量（當你用PHP3.0時還有方法名）都以字符串的方式輸出。
當發(fā)現(xiàn)一個元素時，我們需要增加其相應(yīng)的記數(shù)器來跟蹤它在文檔中出現(xiàn)多少次。在相應(yīng)的$elements項中的記數(shù)元素也要加一。
我們同樣要讓父元素知道目前的元素是它的子元素。因此，目前元素的名稱將會加入到父元素的$childs數(shù)組的項目中。最后，目
前元素應(yīng)該記住誰是它的父元素。所以，父元素被加入到目前元素$parents數(shù)組的項目中。
顯示統(tǒng)計信息
剩下的代碼在$elements數(shù)組和其子數(shù)組中循環(huán)顯示其統(tǒng)計結(jié)果。這就是最簡單的嵌套循環(huán)，盡管輸出正確的結(jié)果，但代碼既不簡
潔又沒有任何特別的技巧，它僅僅是一個你可能每天用他來完成工作的循環(huán)。
腳本范例被設(shè)計為通過PHP的CGI方式的命令行來調(diào)用。因此，統(tǒng)計結(jié)果輸出的格式為文本格式。如果你要將腳本運用到互聯(lián)網(wǎng)上
，那么你需要修改輸出函數(shù)來產(chǎn)生HTML格式。
總結(jié)
Exapt是PHP的XML解析器。作為基于事件的解析器，它不產(chǎn)生文檔的結(jié)構(gòu)描述。但通過提供底層訪問，這就使得可以更好地利用資
源和更快地訪問。
作為一個不檢查有效性的解析器，Expat忽略與XML文檔連接的DTD，但如果文檔的格式不完整，它將會隨著出錯信息而停止。
提供事件處理函數(shù)來處理文檔
建立自己的事件結(jié)構(gòu)例如棧和樹來獲得XML結(jié)構(gòu)信息標記的優(yōu)點。
每天都有新的XML程序出現(xiàn)，而PHP對XML的支持也不斷加強（例如，增加了支持基于DOM的XML解析器LibXML）。
有了PHP和Expat，你就可以為即將出現(xiàn)的有效、開放和獨立于平臺的標準作準備。

最新評論