php - 使用 PHP 打破 XML 中的句子

Question

我是 PHP 的新手，我有一个 xml 文件，我想使用 PHP 将 xml 文件中的句子提取到一个数组中，每次将句子分解为 3 个单词。句子将被分成几部分。
下面的 XML 来自一个 XML 文件。

<?xml version="1.0" encoding="utf-8" ?>
<document>
    <content>
        <segment>
            <sentence>
                <word>Hi</word>
                <word>there</word>
                <word>people</word>
                <word>I</word>
                <word>want</word>
                <word>to</word>
                <word>introduce</word>
                <word>you</word>
                <word>to</word>
                <word>my</word>
                <word>world</word>
            </sentence>
            <sentence>
                <word>Hi</word>
                <word>there</word>
                <word>people</word>
                <word>I</word>
                <word>want</word>
                <word>to</word>
                <word>introduce</word>
                <word>you</word>
                <word>to</word>
                <word>my</word>
                <word>world</word>
            </sentence>
        </segment>
    </content>
</document>

输出将是:

Hi there people
I want to 
introduce you to
my world
Hi there people
I want to 
introduce you to
my world

我已经创建了一个函数来处理 xml 脚本。

function loadTranscript($xml) {
    $getfile = file_get_contents($xml);
    $arr = simplexml_load_string($getfile); 
    foreach ($arr->content->segment->sentence as $sent) {
        $count = str_word_count($sent,1);
        $a=array_chunk($count,3);
        foreach ($a as $a){
            echo implode(' ',$a);
            echo PHP_EOL;   
        }
    }
}

但无法生成输出。 $sent 是否被视为数组？我想在 XML 级别打断句子。

Answer 1

我不确定为什么每个人都对 SimpleXML 如此害怕，但我认为它绝对是完成这项工作的正确工具。

$sent不是数组，而是表示 <sentence> 的对象元素及其所有子元素；它有一些类似数组的属性，但不是 array_chunk可以一起工作。

您实际上可以使用 array_chunk ，但您需要做三件事才能使当前代码正常工作:

• 投 $sent使用 (array)$sent 从对象到数组(这将给出 <sentence> 节点的 所有 子节点的数组)或 (array)$sent->word (这会将其限制为称为 <word> 的那些，以防混合)
• 将该数组传递给array_chunk , 不是 $count (你不需要)
• 不要两次使用具有冲突含义的相同变量 (foreach( $a as $a ))

所以:

$chunks = array_chunk((array)$sent->word, 3);
foreach ($chunks as $a_chunk) {
    echo implode(' ', $a_chunk);
    echo PHP_EOL;   
}

或者，你可以不用 array_chunk只需每三个单词显示一个换行符就足够简单了:

$counter = 0;
foreach ( $words as $word ) {
    $counter++;
    echo $word;
    if ( $counter % 3 == 0 ) {
         echo PHP_EOL;
    } else {
         echo ' ';
    }
}

然后您需要做的就是将该循环嵌套在您现有的循环中:

foreach ($arr->content->segment->sentence as $sent) {
    $counter = 0;
    foreach ( $sent->word as $word ) {
        $counter++;
        echo $word;
        if ( $counter % 3 == 0 ) {
             echo PHP_EOL;
        } else {
             echo ' ';
        }
    }
    echo PHP_EOL;
}

由您决定，您认为哪个更干净，但最好了解两者，以便您可以根据 future 的需要调整它们。