php - 简化 PHP DOM XML 解析——怎么做？

Question

我整天都在研究 PHP 的 DOM 函数，但我还不明白它是如何工作的。 :(我有一个简单的 XML 文件，看起来不错，但我无法按照我创建它的结构时的想法使用它。

示例 XML 片段:

-pages //root element
    -page id="1" //we can have any number of pages
        -product id="364826" //we can have any number of products
            -SOME_KIND_OF_VALUE
            -ANOTHER_VALUE
            ...

我最初的想法是加快客户的工作流程，所以我扔掉了旧的 CSV 并开始使用 XML。

问题 1:当我将产品分组到页面时，我使用的是 setIdAttribute以防止在树中多次存储同一页。这在读取发生之前工作正常，因为这些 id 与某种 DTD 相关(基于 getElementById )。

问题 1:我如何编写一个提供这些必要信息的简单 DTD，以便我也可以在读取阶段使用 getElementById？

问题 2:因为我有页面，所以我想加载尽可能少的信息。这就是我在页面上创建 id 属性的原因。现在我无法直接访问我的页面 id="2"，因为上面的问题 1(getElementById 目前没有意义)。我可以通过某种方式设法在给定页面上检索有关每个产品的必要信息，但我的代码看起来很可怕:

$doc      = DOMDocument::load('data.xml');
$xpath    = new DOMXPath($doc);
$query    = '/pages/page[' . $page . ']'; //$page is fine: was set earlier
$products = $xpath->query($query);
$_prods   = $doc->getElementsByTagName('product');
foreach($_prods as $product){
    foreach($product->childNodes as $node){
        echo $node->nodeName . ": " . $node->nodeValue . "<br />";
    }
}

问题 2:我认为上面的代码是关于如何不 解析 XML 的示例。但是由于我对 PHP 的 DOM 函数的了解有限，我不能自己编写一个更干净的函数。我尝试了一些简单的解决方案，但没有一个对我有用。

Answer 1

解决问题 1:

W3C defines : 属性 xml:id 的含义作为 XML 文档中的 ID 属性，并定义了此属性的处理以在没有验证、无需获取外部资源且不依赖于一个内部子集。

换句话说，当你使用

$element->setAttribute('xml:id', 'test');

您不需要调用 setIdAttribute，也不需要指定 DTD 或 Schema。当与 getElementById 一起使用时，DOM 将识别 xml:id 属性，而无需您验证文档或任何其他内容。这是最省力的方法。不过请注意，根据您的操作系统和 libxml 版本，您根本无法使用 getElementById。

解决问题2:

即使无法使用 getElementById 获取 ID，您仍然可以使用 XPath 获取它们:

$xpath->query('/pages/page[@id=1]');

肯定有用。您还可以直接获取特定页面的产品子项:

$xpath->query('//pages/page[@id=1]/products');

除此之外，您几乎无法使 DOM 代码看起来不那么冗长，因为它确实是一个冗长的界面。必须是，因为DOM is a language agnostic interface, again defined by the W3C .

---

在下方评论后编辑

它像我上面解释的那样工作。这是一个完整的测试用例。第一部分用于编写带有 DOM 的新 XML 文件。这就是您需要设置 xml:id 属性的地方。您可以使用它来代替常规的、非命名空间的 id 属性。

// Setup
$dom = new DOMDocument;
$dom->formatOutput = TRUE;
$dom->preserveWhiteSpace = FALSE;
$dom->loadXML('<pages/>');

// How to set a valid id attribute when not using a DTD or Schema
$page1 = $dom->createElement('page');
$page1->setAttribute('xml:id', 'p1');
$page1->appendChild($dom->createElement('product', 'foo1'));
$page1->appendChild($dom->createElement('product', 'foo2'));

// How to set an ID attribute that requires a DTD or Schema when reloaded
$page2 = $dom->createElement('page');
$page2->setAttribute('id', 'p2');
$page2->setIdAttribute('id', TRUE);
$page2->appendChild($dom->createElement('product', 'bar1'));
$page2->appendChild($dom->createElement('product', 'bar2'));

// Appending pages and saving XML
$dom->documentElement->appendChild($page1);
$dom->documentElement->appendChild($page2);
$xml = $dom->saveXML();
unset($dom, $page1, $page2);
echo $xml;

这将创建一个像这样的 XML 文件:

<?xml version="1.0"?>
<pages>
  <page xml:id="p1">
    <product>foo1</product>
    <product>foo2</product>
  </page>
  <page id="p2">
    <product>bar1</product>
    <product>bar2</product>
  </page>
</pages>

当您再次读取 XML 时，新的 DOM 实例不再知道您已使用 setIdAttribute< 将非命名空间的 id 属性声明为 ID 属性。它仍然在 XML 中，但 id 属性将只是一个常规属性。 You have to be aware that ID attributes are special in XML.

// Load the XML we created above
$dom = new DOMDocument;
$dom->loadXML($xml);

现在进行一些测试:

echo "\n\n GETELEMENTBYID RETURNS ELEMENT WITH XML:ID \n\n";
foreach( $dom->getElementById('p1')->childNodes as $product) {
    echo $product->nodeValue; // Will output foo1 and foo2 with whitespace
}

以上是有效的，因为兼容 DOM 的解析器必须识别 xml:id 是一个 ID 属性，而不管任何 DTD 或 Schema。这在上面链接的规范中有解释。它输出空白的原因是由于格式化输出在开始标签、两个产品标签和结束标签之间存在 DOMText 节点，所以我们迭代五个节点。在使用 XML 时，节点概念对于理解至关重要。

echo "\n\n GETELEMENTBYID CANNOT FETCH NORMAL ID \n\n";
foreach( $dom->getElementById('p2')->childNodes as $product) {
    echo $product->nodeValue; // Will output a NOTICE and a WARNING
}

以上将不起作用，因为 id 不是 ID 属性。要让 DOM 解析器识别它，您需要一个 DTD 或架构，并且必须根据它验证 XML。

echo "\n\n XPATH CAN FETCH NORMAL ID \n\n";
$xPath = new DOMXPath($dom);
$page2 = $xPath->query('/pages/page[@id="p2"]')->item(0);
foreach( $page2->childNodes as $product) {
    echo $product->nodeValue; // Will output bar1 and bar2
}

另一方面，XPath 是有关属性的文字，这意味着如果 getElementById 不可用，您可以查询 DOM 以查找具有属性 id 的页面元素。请注意，要查询 ID 为 p1 的页面，您必须包含 namespace ，例如@xml:id="p1"。

echo "\n\n XPATH CAN FETCH PRODUCTS FOR PAGE WITH ID \n\n";
$xPath = new DOMXPath($dom);
foreach( $xPath->query('/pages/page[@id="p2"]/product') as $product ) {
    echo $product->nodeValue; // Will output bar1 and bar2 w\out whitespace
}

如前所述，您还可以使用 XPath 查询文档中的任何其他内容。这个不会输出空格，因为它只会返回 id p2 页面下面的 product 元素。

您还可以从一个节点遍历整个 DOM。是树状结构。自 DOMNode是 DOM 中最重要的类，您需要熟悉它。

echo "\n\n TRAVERSING UP AND DOWN \n\n";
$product = $dom->getElementsByTagName('product')->item(2);
echo $product->tagName; // 'product'
echo $dom->saveXML($product); // '<product>bar1</product>'

// Going from bar1 to foo1
$product = $product->parentNode // Page Node
                   ->parentNode // Pages Node
                   ->childNodes->item(1)  // Page p1
                   ->childNodes->item(1); // 1st Product

echo $product->nodeValue; // 'foo1'

// from foo1 to foo2 it is two(!) nodes because the XML is formatted
echo $product->nextSibling->nodeName; // '#text' with whitespace and linebreak
echo $product->nextSibling->nextSibling->nodeName; // 'product'
echo $product->nextSibling->nextSibling->nodeValue; // 'foo2'

旁注，是的，我在上面的原始代码中确实有错字。它是 product 而不是 products。但我发现，当您只需更改一个 s 时，声称代码不起作用是没有道理的。这感觉太像想要被喂食了。