php 解析xml 的四种方法详细介绍

php 解析xml 的四种方法

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）

$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);

输出：

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：

$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();

//下面的遍历方式有bug隐患
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：

$result = array();
$paratagindexes = $tags['para'];
$paracount = count($paratagindexes);
for($i = 0; $i < $paracount; $i += 2) {
 $para = array();
 //遍历para标签对之间的所有值
 for($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:

$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。

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

$xml = simplexml_load_string($string);
print_r($xml);
$login = $xml->login;//这里返回的依然是个simplexmlelement对象
print_r($login);
$login = (string) $xml->login;//在做数据比较时，注意要先强制转换
print_r($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。

$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。

$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;
}

 

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。

感谢阅读，希望能帮助到大家，谢谢大家对本站支持！