PHP中的XML應用

綜述

XML代表Extensible Markup Language（eXtensible Markup Language的縮寫，意為可擴充的標記語言）。XML是一套定義語義標記的規則，這些標記將文檔分成許多組件並對這些組件加以標識。它也是元標記語言，即定義了用於定義其他與特定領域有關的、語義的、結構化的標記語言的句法語言。XML是當今最熱門的技術。而PHP也具有分析XML文檔的功能,下面我們將共同探討一下PHP中的XML應用的情況。

XML概貌

　　談起XML(eXtended Markup Language：可延伸標記語言 (XML))，我們不妨先看一段HTML的代碼：

＜html＞
＜title＞XML＜/title＞
＜body＞
＜p＞＜center＞＜font color="red"＞TEXT＜/font＞＜/center＞＜/p＞
＜a href="www.domain.com"＞＜img src="http://edu.cnzz.cn/NewsInfo/logo.jpg"/＞＜/a＞
＜/body＞
＜/html＞ 

　　上面這段代碼從結構上就符合XML的規則，XML可以理解是包含資料的樹形的結構類型：

1、引用同一個元素的時候，使用一致的大小寫，如＜center＞＜/Center＞就是不符合規定的
2、任何屬性值(如 href="????")要用""引起來，如＜a href=www.yahoo.com＞就是不正確的
3、所有元素必須由開啟＜和關閉＞標註組成，元素應該形如＜body＞＜/body＞或空元素＜img ... /＞，如果結尾的 "/＞" 少了"/"就是錯誤的代碼
4、所有元素必須彼此嵌套，就像寫程式的迴圈一樣，而且，所有的元素必須嵌套於根項目之中，比如上面的代碼所有的內容都嵌套於＜html＞＜/html＞之中。
5、元素名稱(即上面的body a p img等)應為字母開頭。

怎樣應用PHP的XML解析器Expat？

Expat是PHP指令碼語言的XML解析器（同樣稱為XML處理器），可以使程式訪問XML文檔的結構和內容。它是一種基於事件的解析器。XML解析器有兩種基本類型：

基於樹型的解析器：將XML文檔轉換成樹型結構。這類解析器分析整篇文章，同時提供一個API來訪問所產生樹的每個元素。其通用的標準為DOM（文檔對象模式）。

基於事件的解析器：將XML文檔視為一系列的事件。當一個特殊事件發生時，解析器將調用開發人員提供的函數來處理。基於事件的解析器有一個XML文檔的資料集中視圖，也就是說它集中在XML文檔的資料部分，而不是其結構。這些解析器從頭到尾處理文檔，並將類似於－元素的開始、元素的結尾、特徵資料的開始等等－事件通過回調（callback）函數報告給應用程式。

以下是一個"Hello-World"的XML文檔範例：

＜greeting＞
Hello World
＜/greeting＞ 

　　基於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
結束元素：greeting

　　基於事件的解析器不產生描述文檔的結構，當然如果使用Expat，必要時它一樣可以在PHP中產生完全的原生樹結構。在CDATA項中，基於事件的解析器不會得到父元素greeting的資訊。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記憶體；而事實上，整個文檔甚至可以大於實際記憶體值。

　　上面Hello-World的範例雖然包括完整的XML格式，但它是無效的，因為既沒有DTD（文件類型定義）與其聯絡，也沒有內嵌DTD。但是Expat是一個不檢查有效性的解析器，因此忽略任何與文檔聯絡的DTD。應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）將會隨著出錯資訊而停止。

編譯Expat

　　Expat可以編譯進PHP3.0.6版本（或以上）中。從Apache1.3.22開始，Expat已經作為Apache的一部分。在Unix系統中，可以通過-with-xml選項配置PHP將其編譯入PHP。

　　如果將PHP編譯為Apache的模組，而Expat將預設作為Apache的一部分。在Windows中，則必須要載入XML動態串連庫。

　　XML範例：XMLstats
　　我們所要討論的範例是使用Expat來收集XML文檔的統計資料。

　　對於文檔中每個元素，以下資訊都將被輸出：
該元素在文檔中使用的次數
該元素中字元資料的數量

元素的父元素

元素的子項目
　　注意：為了示範，我們利用PHP來產生一個結構來儲存元素的父元素和子項目

用於產生XML解析器執行個體的函數有哪些？

　　用於產生XML解析器執行個體的函數為xml_parser_create()。該執行個體將用於以後的所有函數。這個思路非常類似於PHP中MySQL函數的串連標記。在解析文檔前，基於事件的解析器通常要求註冊回呼函數－用於特定的事件發生時調用。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 描述
元素 xml_set_element_handler() 元素的開始和結束
字元資料 xml_set_character_data_handler() 字元資料的開始
外部實體 xml_set_external_entity_ref_handler() 外部實體出現 
未解析外部實體 xml_set_unparsed_entity_decl_handler() 未解析的外部實體出現
處理指示 xml_set_processing_instruction_handler() 處理指示的出現
記法聲明 xml_set_notation_decl_handler() 記法聲明的出現
預設 xml_set_default_handler() 其它沒有指定處理函數的事件

所有的回呼函數必須將解析器的執行個體作為其第一個參數（此外還有其它參數）。

　　對於本文最後的範例指令碼，需要注意的是它既用到了元素處理函數又用到了字元資料處理函數。元素的回調處理函數通過xml_set_element_handler()來註冊。

這個函數需要三個參數：

解析器的執行個體
處理開始元素的回呼函數的名稱
處理結束元素的回呼函數的名稱

　　當開始解析XML文檔時，回呼函數必須存在。它們必須定義為與PHP手冊中所描述的原型一致。

　　例如，Expat將三個參數傳遞給開始元素的處理函數。在指令碼範例中，其定義如下：

function start_element($parser, $name, $attrs)

$parser是解析器標誌，$name是開始元素的名稱，$attrs為包含元素所有屬性和值的數組。

一旦開始解析XML文檔，Expat在遇到開始元素是都將調用start_element()函數並將參數傳遞過去。

　　XML的Case Folding選項

　　用xml_parser_set_option()函數將Case folding選項關閉。這個選項預設是開啟的，使得傳遞給處理函數的元素名自動轉換為大寫。但XML對大小寫是敏感的（所以大小寫對統計XML文檔是非常重要的）。對於我們的範例，case folding選項必須關閉。

　　如何對文檔進行解析?

　　在完成所有的準備工作後，現在指令碼終於可以解析XML文檔：

Xml_parse_from_file()，一個自訂的函數，開啟參數中指定的檔案，並以4kb的大小進行解析
xml_parse()，和xml_parse_from_file()一樣，當發生錯誤時，即XML文檔的格式不完全時，將會返回false。

　　我們可以使用xml_get_error_code()函數來得到最後一個錯誤的數字代碼。將此數字代碼傳遞給xml_error_string()函數即可得到錯誤的文本資訊。輸出XML當前的行數，使得調試更容易。

　　當解析文檔時，對於Expat需要強調問題的是：如何保持文檔結構的基本描述？

　　如前所述，基於事件的解析器本身並不產生任何結構資訊。不過標籤(tag)結構是XML的重要特性。例如，元素序列＜book＞＜title＞表示的意思不同於＜figure＞＜title＞。書名和圖名是沒有關係的，雖然它們都用到"title"這個術語。因此，為了更有效地使用基於事件的解析器處理XML，必須使用自己的棧(stacks)或列表(lists)來維護文檔的結構資訊。

　　為了產生文檔結構的鏡像，指令碼至少需要知道目前元素的父元素。用Exapt的API是無法實現的，它只報告目前元素的事件，而沒有任何前後關係的資訊。因此，需要建立自己的棧結構。

　　指令碼範例使用先進後出(FILO)的棧結構。通過一個數組，棧將儲存全部的開始元素。對於開始元素處理函數，目前的元素將被array_push()函數推到棧的頂部。相應的，結束元素處理函數通過array_pop()將最頂的元素移走。

　　對於序列＜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])。
結束元素title：從棧中將最頂部的元素移去($stack[1])。
結束元素title：從棧中將最頂部的元素移去($stack[0])。

　　PHP3.0通過一個$depth變數手動控制元素的嵌套來實現範例，這就使指令碼看起來比較複雜。PHP4.0通過array_pop()和array_push()兩個函數來使指令碼看起來更簡潔。

如何收集XML文檔中的元素資訊？

　　為了收集每個元素的資訊，指令碼需要記住每個元素的事件。通過使用一個全域的陣列變數$elements來儲存文檔中所有不同的元素。數組的項目是元素類的執行個體，有4個屬性（類的變數）

$count -該元素在文檔中被發現的次數
$chars -元素中字元事件的位元組數
$parents -父元素
$childs - 子項目

　　注意：PHP的一個特性是你可以通過while(list() = each())loop遍曆整個類結構，如同你遍曆整個相應的數組一樣。所有的類變數（當你用PHP3.0時還有方法名）都以字串的方式輸出。

　　當發現一個元素時，我們需要增加其相應的記數器來跟蹤它在文檔中出現多少次。在相應的$elements項中的記數元素也要加一。

　　我們同樣要讓父元素知道目前的元素是它的子項目。因此，目前元素的名稱將會加入到父元素的$childs數組的項目中。最後，目前元素應該記住誰是它的父元素。所以，父元素被加入到目前元素$parents數組的項目中。

顯示統計資訊

　　剩下的代碼在$elements數組和其子數組中迴圈顯示其統計結果。這就是最簡單的嵌套迴圈，儘管輸出正確的結果，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迴圈。

　指令碼範例被設計為通過PHP的CGI方式的命令列來調用。因此，統計結果輸出的格式為文字格式設定。如果你要將指令碼運用到互連網上，那麼你需要修改輸出函數來產生HTML格式。

如何用PHP&XML編製一個迷你搜尋引擎執行個體？

　　讓我們首先來熟悉一下我們程式中用到的那個XML（儲存為xyz.xml）。

＜?xml version="1.0" encoding="gb2312" ?＞
＜links＞採用PHP和XML技術構建的搜尋引擎
＜web memo="memo1" url=""＞name1＜/web＞
＜sub＞電腦網路
＜web memo="nemo2"＞name2＜/web＞
＜sub＞程式設計
＜web memo="memo3"＞name3＜/web＞
＜sub＞PHP
＜web url="http://www.phpbuilder.com/" memo="[英文]PHP開發資源。"＞
www.phpbuilder.com＜/web＞
＜web url="http://www.fokus.gmd.de" memo="[英文]PHP開發手冊。 "＞
PHP Manual＜/web＞
＜/sub＞
＜/sub＞
＜/sub＞
＜/links＞

它的結構相當簡單，根項目就是links，sub代表著一個類別，web就是一個網站的資訊，其中包含著屬性，url代表網站的聯結，memo為備忘資訊，＜web＞？？＜/web＞ 、＜sub＞？？＜/sub＞中包含的為元素的資料在這裡就是類別和網站的名稱，這是符合上面的規定的。

現在我們來回答上面提出的問題：為什麼要用XML來編製搜尋引擎？
第一個原因就是有時候由於各種原因我們可能不能用到資料庫（MySQL或者其他）；
其次，對於小資料量的搜尋引擎來說，它的資料量很小，如果用資料庫來做，效率未必有多高；

最重要的一點是，這個搜尋引擎維護起來相當的簡單，並且不用編寫繁瑣的資料庫的維護的程式。例如，我們要添加一個類別或者網頁，只要編輯文本的檔案，加上一福紈eb＞???＜/web＞或是＜sub＞????＜/sub＞就可以了，而且，如果想把一個類別移動到另一個地方的話，我們只要將這一部分的sub複製過去就行了。

下面一個最簡單的用PHP顯示XML的範例。

下面的程式是將解析XML並按照樹形結構輸出至瀏覽器，並顯示每層的元素總數。

＜?php
$file = "demo.xml";// XML檔案
function xml_parse_from_file($parser, $file) {// 解析XML檔案的函數 }
function start_element($parser, $name, $attrs) {//遇到了開元素標記如＜a href="link"＞就執行這一段}
function stop_element($parser, $name) {//遇到了開元素標記如＜/body＞就執行這一段}
function data($parser, $data) {……}
function showcount(){ //顯示每一層的元素總數}

global $level,$levelcount,$maxlevel;
$level = -1;
$parser = xml_parser_create();// 產生解析器的執行個體
xml_set_element_handler($parser, "start_element", "stop_element"); // 設定處理函數
xml_set_character_data_handler($parser, "data");
xml_parser_set_option($parser, XML_OPTION_CASE_FOLDING, 0);
$ret = xml_parse_from_file($parser, $file); // 解析檔案
if(!$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); // 釋放解析器
showcount();
?＞ 

在上面的程式的基礎上，可以顯示一段子樹，我們依照元素的層數和他在該層的第幾號來對他進行定位

例如：

links （0，1）
+----web （1，1）
+----sub （1，2）
| +----web （2，1）
| +----sub （2，2）
| | +----web （3，1）
| | +----sub （3，2）
:
:
: 

下面的代碼是我們的搜尋引擎的基礎。因為，要顯示出一個子類別（如程式設計-＞PHP-＞）的資訊就要用到他。

＜?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($hide){ //判斷是否在子樹的範圍內，$hide==FALSE 為在
if($level==$lev&&$levelcount[$level]==$num)
$hide=FALSE;
}else{
if($level＜=$lev)$hide=TRUE;
}

if(!$hide){
……//輸出
}
}
function data($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的搜尋引擎到底如何做呢？

作了若干的鋪墊，下面我們就來看一下我們的搜尋引擎的主要檔案。

第一段為仿sina，yahoo的按照類別查詢
第二段為搜尋查詢部分(把整個樹遍曆一遍)顯示符合的內容。

xml3.php

關鍵字匹配採用eregi函數，我們假設輸入的文字都是不會導致錯誤的。