DIV CSS 佈局教程網

PHP 中的 CDATA 處理:從手寫狀態機到改用 DOM
編輯:JavaScript綜合知識     

問題的起點

當初趕專案進度時,我用 PHP 的 SimpleXML 解析 XML,結果發現它不支援 <![CDATA[ 標記,凡是包在這個標記內的值全都取不到。

上網找了一個 CDATA 轉換器,改一改之後把 CDATA 標記濾掉,暫時解決了問題。

狀態機式字串掃描

這個做法的核心是逐字元掃描,用一個狀態變數記錄目前是否正處於 CDATA 區段。狀態鏈大致是:

out → < → <! → <![ → <![C → <![CD → <![CDA → <![CDAT → <![CDATA → in → ] → ]] → out

結構如下(為便于閱讀已精簡,原實作用完整 switch 分支逐一比對每個字元):

$state = 'out';
$new_xml = '';
$a = str_split($xml);

foreach ($a as $v) {
    switch ($state) {
        case 'out':
            if ($v === '<') { $state = $v; } else { $new_xml .= $v; }
            break;
        // 依序比對 ! [ C D A T A [ ,任一不符即把已暫存的
        // $state 與當前字元還原寫回 $new_xml,並退回 'out'
        case 'in':
            if ($v === ']') { $state = $v; } else { $cdata .= $v; }
            break;
        case ']':
            if ($v === ']') { $state = ']]'; } else { $cdata .= $state . $v; $state = 'in'; }
            break;
        case ']]':
            if ($v === '>') {
                $new_xml .= htmlentities($cdata);
                $state = 'out';
            } else {
                $cdata .= $state . $v;
                $state = 'in';
            }
            break;
    }
}
return $new_xml;

進入 in 狀態後,字元不斷累加進 $cdata;遇到 ]]> 收尾時,把收集到的內容做 HTML 實體編碼後寫回結果字串。這樣做的好處是 CDATA 內即使含有 <、>、"、& 等符號,也不會被誤認為標籤語法。

連續三個中括號讓它徹底失效

後來一直有 alert 跳出來,說 SimpleXML 解析失敗。追查發現是有筆資料長成 <![CDATA[domain[test]]]>,出現連續三個 ],上面的解析函式完全無法處理。

更麻煩的是這個問題幾乎無解——你無法保證下次不會出現四個、五個 ]。基於字元狀態判斷的 fragile 本質,遇到嵌套結尾就是死路。

改用 DOM 擴充套件

所以我果斷把這段解析換成 DOM XML。DOM 的處理模型本身比較簡單,主要用到 DOMElement、DOMDocument、DOMNodeList、DOMNode 幾個元件。

其中 DOMNode 提供 nodeValue、nodeType、nodeName 等成員。典型流程是:

$doc = new DOMDocument();
$doc->loadXML($xmlString);
$list = $doc->getElementsByTagName('node'); // 得到 DOMNodeList
$node = $list->item(0);                     // 轉為 DOMNode
echo $node->nodeValue;

先把字串用 loadXML 轉成 DOMDocument 物件,再用 getElementsByTagName 取成 DOMNodeList,接著 ->item(0) 拿到 DOMNode,就能自由使用上述屬性了。

如果遇到像 <aa color='red'>test</aa> 這種帶屬性的標籤,改用 attribute 相關方法讀取即可。

結論很簡單:能用成熟解析器就别自己手寫字元狀態機,邊界條件的複雜度遠超想像。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved