php 解析xml 的四種方法

XML處理是開發過程中經常遇到的，PHP對其也有很豐富的支持，本文隻是對其中某幾種解析技術做簡要說明，包括：Xml parser, SimpleXML, XMLReader, DOMDocument。

1。 XML Expat Parser：

XML Parser使用Expat XML解析器。Expat是一種基於事件的解析器，它把XML文檔視為一係列事件。當某個事件發生時，它調用一個指定的函數處理它。Expat是無驗證的解析器，忽略任何鏈接到文檔的DTD。但是，如果文檔的形式不好，則會以一個錯誤消息結束。由於它基於事件，且無驗證，Expat具有快速並適合web應用程序的特性。

XML Parser的優勢是性能好，因為它不是將整個xml文檔載入內存後再處理，而是邊解析邊處理。但也正因為如此，它不適合那些要對xml結構做動態調整、或基於xml上下文結構做複雜操作的需求。如果你隻是要解析處理一個結構良好的xml文檔，那麼它可以很好的完成任務。需要注意的是XML Parser隻支持三種編碼格式：US-ASCII, ISO-8859-1和UTF-8，如果你的xml數據是其他編碼，需要先轉換成以上三個之一。
XML Parser常用的解析方式大體有兩種（其實就是兩個函數）：xml_parse_into_struct和xml_set_element_handler。

xml_parse_into_struct

此方法是將xml數據解析到兩個數組中：
index數組——包含指向Value 數組中值的位置的指針
value數組——包含來自被解析的 XML 的數據

這倆數組文字描述起來有點麻煩，還是看個例子吧（來自php官方文檔）

$simple = "<para><note>simple note</note></para>";
$p = xml_parser_create();
xml_parse_into_struct($p, $simple, $vals, $index);
xml_parser_free($p);
echo "Index array\n";
print_r($index);
echo "\nVals array\n";
print_r($vals);

輸出：
Index array
Array
(
    [PARA] => Array
        (
            [0] => 0
            [1] => 2
        )

    [NOTE] => Array
        (
            [0] => 1
        )
)

Vals array
Array
(
    [0] => Array
        (
            [tag] => PARA
            [type] => open
            [level] => 1
        )

    [1] => Array
        (
            [tag] => NOTE
            [type] => complete
            [level] => 2
            [value] => simple note
        )

    [2] => Array
        (
            [tag] => PARA
            [type] => close
            [level] => 1
        )
)

其中index數組以標簽名為key，對應的值是一個數組，裏麵包括所有此標簽在value數組中的位置。然後通過這個位置，找到此標簽對應的值。

如果xml中每組數據格式有出入，不能做到完全統一，那麼在寫代碼時要注意，說不定就得到了錯誤的結果。比如下麵這個例子：

$xml = '
<infos>
<para><note>note1</note><extra>extra1</extra></para>
<para><note>note2</note></para>
<para><note>note3</note><extra>extra3</extra></para>
</infos>
';

$p = xml_parser_create();
xml_parse_into_struct($p, $xml, $values, $tags);
xml_parser_free($p);
$result = array();
//下麵的遍曆方式有bug隱患
for ($i=0; $i<3; $i++) {
  $result[$i] = array();
  $result[$i]["note"] = $values[$tags["NOTE"][$i]]["value"];
  $result[$i]["extra"] = $values[$tags["EXTRA"][$i]]["value"];
}
print_r($result);

要是按照上麵那種方式遍曆，看似代碼簡單，但是暗藏危機，最致命的是得到錯誤的結果（extra3跑到第二個para裏了）。所以要以一種比較嚴謹的方式遍曆：

$result = array();
$paraTagIndexes = $tags['PARA'];
$paraCount = count($paraTagIndexes);
for($i = 0; $i < $paraCount; $i += 2) {
  $para = array();
  //遍曆para標簽對之間的所有值
  for($j = $paraTagIndexes[$i]; $j < $paraTagIndexes[$i+1]; $j++) {
    $value = $values[$j]['value'];
    if(empty($value)) continue;

    $tagname = strtolower($values[$j]['tag']);
    if(in_array($tagname, array('note','extra'))) {
      $para[$tagname] = $value;
    }
  }
  $result[] = $para;
}

其實我很少用xml_parse_into_struct函數，所以上麵所謂“嚴謹”的代碼保不齊還會有其他情況下的bug。- -|
xml_set_element_handler

這種方式是為parser設置處理元素起始、元素終止的回調函數。配套的還有xml_set_character_data_handler用來為parser設置數據的回調函數。這種方式寫的代碼比較清晰，利於維護。

Example:

$xml = <<<XML
<infos>
<para><note>note1</note><extra>extra1</extra></para>
<para><note>note2</note></para>
<para><note>note3</note><extra>extra3</extra></para>
</infos>
XML;

$result = array();
$index = -1;
$currData;

function charactor($parser, $data) {
  global $currData;
  $currData = $data;
}

function startElement($parser, $name, $attribs) {
  global $result, $index;
  $name = strtolower($name);
  if($name == 'para') {
    $index++;
    $result[$index] = array();
  }
}

function endElement($parser, $name) {
  global $result, $index, $currData;
  $name = strtolower($name);
  if($name == 'note' || $name == 'extra') {
    $result[$index][$name] = $currData;
  }
}

$xml_parser = xml_parser_create();
xml_set_character_data_handler($xml_parser, "charactor");
xml_set_element_handler($xml_parser, "startElement", "endElement");
if (!xml_parse($xml_parser, $xml)) {
  echo "Error when parse xml: ";
  echo xml_error_string(xml_get_error_code($xml_parser));
}
xml_parser_free($xml_parser);

print_r($result);

可見，set handler方式雖然代碼行數多，但思路清晰，可讀性更好，不過性能上略慢於第一種方式，而且靈活性不強。XML Parser支持PHP4，適用於於使用老版本的係統。對於PHP5環境，還是優先考慮下麵的方法吧。

2。 SimpleXML

SimpleXML是PHP5後提供的一套簡單易用的xml工具集，可以把xml轉換成方便處理的對象，也可以組織生成xml數據。不過它不適用於包含namespace的xml，而且要保證xml格式完整(well-formed)。它提供了三個方法：simplexml_import_dom、simplexml_load_file、simplexml_load_string，函數名很直觀地說明了函數的作用。三個函數都返回SimpleXMLElement對象，數據的讀取/添加都是通過SimpleXMLElement操作。

$string = <<<XML
<?xml version='1.0'?>
<document>
  <cmd>login</cmd>
  <login>imdonkey</login>
</document>
XML;

$xml = simplexml_load_string($string);
print_r($xml);
$login = $xml->login;//這裏返回的依然是個SimpleXMLElement對象
print_r($login);
$login = (string) $xml->login;//在做數據比較時，注意要先強製轉換
print_r($login);

SimpleXML的優點是開發簡單，缺點是它會將整個xml載入內存後再進行處理，所以在解析超多內容的xml文檔時可能會力不從心。如果是讀取小文件，而且xml中也不包含namespace，那SimpleXML是很好的選擇。

3。 XMLReader

XMLReader也是PHP5之後的擴展（5.1後默認安裝），它就像遊標一樣在文檔流中移動，並在每個節點處停下來，操作起來很靈活。它提供了對輸入的快速和非緩存的流式訪問，可以讀取流或文檔，使用戶從中提取數據，並跳過對應用程序沒有意義的記錄。
以一個利用google天氣api獲取信息的例子展示下XMLReader的使用，這裏也隻涉及到一小部分函數，更多還請參考官方文檔。

$xml_uri = 'http://www.google.com/ig/api?weather=Beijing&hl=zh-cn';
$current = array();
$forecast = array();

$reader = new XMLReader();
$reader->open($xml_uri, 'gbk');
while ($reader->read()) {
  //get current data
  if ($reader->name == "current_conditions" && $reader->nodeType == XMLReader::ELEMENT) {
    while($reader->read() && $reader->name != "current_conditions") {
      $name = $reader->name;
      $value = $reader->getAttribute('data');
      $current[$name] = $value;
    }
  }

  //get forecast data
  if ($reader->name == "forecast_conditions" && $reader->nodeType == XMLReader::ELEMENT) {
    $sub_forecast = array();
    while($reader->read() && $reader->name != "forecast_conditions") {
      $name = $reader->name;
      $value = $reader->getAttribute('data');
      $sub_forecast[$name] = $value;
    }
    $forecast[] = $sub_forecast;
  }
}
$reader->close();

XMLReader和XML Parser類似，都是邊讀邊操作，較大的差異在於SAX模型是一個“推送”模型，其中分析器將事件推到應用程序，在每次讀取新節點時通知應用程序，而使用XmlReader的應用程序可以隨意從讀取器提取節點，可控性更好。
由於XMLReader基於libxml，所以有些函數要參考文檔看看是否適用於你的libxml版本。

4。 DOMDocument

DOMDocument還是PHP5後推出的DOM擴展的一部分，可用來建立或解析html/xml，目前隻支持utf-8編碼。

$xmlstring = <<<XML
<?xml version='1.0'?>
<document>
  <cmd attr='default'>login</cmd>
  <login>imdonkey</login>
</document>
XML;

$dom = new DOMDocument();
$dom->loadXML($xmlstring);
print_r(getArray($dom->documentElement));

function getArray($node) {
  $array = false;

  if ($node->hasAttributes()) {
    foreach ($node->attributes as $attr) {
      $array[$attr->nodeName] = $attr->nodeValue;
    }
  }

  if ($node->hasChildNodes()) {
    if ($node->childNodes->length == 1) {
      $array[$node->firstChild->nodeName] = getArray($node->firstChild);
    } else {
      foreach ($node->childNodes as $childNode) {
      if ($childNode->nodeType != XML_TEXT_NODE) {
        $array[$childNode->nodeName][] = getArray($childNode);
      }
    }
  }
  } else {
    return $node->nodeValue;
  }
  return $array;
}

從函數名上看感覺跟JavaScript很像，應該是借鑒了一些吧。DOMDocument也是一次性將xml載入內存，所以內存問題同樣需要注意。PHP提供了這麼多的xml處理方式，開發人員在選擇上就要花些時間了解，選擇適合項目需求及係統環境、又便於維護的方法。