作為一般用途,HTML 勉強夠用,但它的問題在架構層面:
正是這些短板,推動了替代方案的出現:可擴展標記語言 XML、層疊樣式表 CSS、動態 HTML 等。
DTD 負責定義 XML 的內容模式、限制標記的取值範圍、規定屬性的數據類型。短板在於它不是用 XML 寫的,擴展性較差,且只提供有限的幾種數據類型。
Schema 的作用與 DTD 類似,但它描述的是引用它的 XML 文件中元素和屬性的具體類型。相比 DTD 有三個明顯優勢:
作為 Web 語言,鏈接能力至關重要。XLink 提供強大的鏈接方法,可在文檔間建立單向或多向的複雜關聯,還支持注釋鏈接、概要鏈接、擴展鏈接集等形式;XPath 在 XSLT 和 XPointer 中使用,支持相對於節點與節點集的定位;XPointer 則在 XPath 基礎上,能定位到文檔內部結構,比如某個字符串或某個段落。整體鏈接能力比 HTML 強出一大截。
XML 的核心特點是內容與格式分離——文檔本身不包含任何顯示信息。CSS 與 XSL 就是補上這塊拼圖的。CSS 同時適用於 HTML 和 XML;XSL 完全採用 XML 語法,功能比 CSS 強大得多。
文檔對象模型是一個與平台、語言無關的程序接口,提供動態訪問和更新文檔內容、結構與樣式的手段,處理結果可以再寫回表示層。DOM 的目標是為 XML 和 HTML 定義標準編程接口,包含核心、HTML、XML 三部分:核心建立了一套底層對象集,可表示任意結構化文檔;HTML 與 XML 部分則提供更高層、更方便的文檔視圖。
Namespaces 是用 URL 區分的一組名稱集合,覆蓋 XML 文件中出現的所有元素名與屬性名。既然用戶可以自定義標記,把多個 XML 文件合併時命名衝突幾乎不可避免,Namespaces 就是為了解決這個問題。
PHP 內建了一個 XML 解析器,並圍繞它提供了大量解析函數(PHP4 中約二十個)。以下是最常用的幾個。
int XML_parser_create(string [encoding]);
初始化一個新的 XML 解析器。參數 encoding 可省略,用於指定字符集,預設 ISO-8859-1,另有 US-ASCII、UTF-8 可選。成功返回 parser 代碼,失敗返回 false。
boolean XML_set_element_handler(int parser, string startElementHandler, string endElementHandler);
配置元素標記的處理函數,供 XML_parse() 使用。startElementHandler 接收解析代碼、元素名稱與屬性;endElementHandler 接收解析代碼與名稱。
boolean XML_set_character_data_handler(int parser, string handler);
配置字符數據的處理函數,handler 接收解析代碼與數據字符串。
boolean XML_parse(int parser, string data, int [isFinal]);
解析 XML 格式的資料。parser 是解析代碼,data 是本次要解析的數據塊,isFinal 可省略,設為 true 時系統會自動送出最後一塊數據。無錯誤返回 true。
int XML_get_error_code(int parser); 取得解析過程中的錯誤代碼;string XML_error_string(int code); 把錯誤代碼翻譯成文字描述;int XML_get_current_line_number(int parser); 則告訴你出錯時解析器正處理到第幾行——調試時這三個組合起來非常好用。
boolean XML_parser_free(int parser); 釋放解析器佔用的記憶體。解析器用完不釋放,在長腳本或循環調用中很容易累積問題。
下面用 PHP5 讀取一個 XML 1.0 格式的通訊錄 address.xml,把標記結構層次化地打印出來。核心是三件事:定義元素與字符數據的處理函數,創建解析器並註冊這些函數,然後分段喂數據。
<?php
// 讀取文件內容
function read_file($filename) {
$lines = file($filename);
$contents = "";
while (list($key, $value) = each($lines)) {
$contents .= $value;
}
return $contents;
}
// 遇到開始標記時調用
function start_element($parser, $name, $attrs) {
global $depth;
$spacer = "";
for ($i = 1; $i < $depth[$parser]; $i++) {
$spacer .= "->";
}
// 按層次決定顏色:0 層紅、1 層綠、其餘藍
if ($depth[$parser] == 0) $font_color = "red";
elseif ($depth[$parser] == 1) $font_color = "green";
else $font_color = "blue";
// 越深字越小,但不小於 2
$font_size = 5 - $depth[$parser];
if ($font_size < 2) $font_size = 2;
echo "<font size=".$font_size." color=".$font_color.">";
echo $spacer.$depth[$parser];
if ($depth[$parser] <> 0) echo "、";
echo $name."<BR></font>";
$depth[$parser]++;
// 主標記下方畫紅色水平線
if ($depth[$parser] == 2) echo "<hr color=red size=1>";
}
// 遇到結束標記時調用:層次減一
function end_element($parser, $name) {
global $depth;
$depth[$parser]--;
}
?>
這個示例刻意做得簡單,但骨架是完整的:SAP 風格的回調註冊 + 流式解析。實際項目中,你會在 start_element 裡把屬性寫入數組、在字符數據回調裡拼接文本,最後得到一個可用的數據結構。
PHP 的 XML 擴展是基於事件的(這與 Java 的 SAX 思路一致),適合邊讀邊處理,內存佔用低。如果需要樹狀隨機訪問,可以搭配 DOM 擴展或 SimpleXML,按場景選工具。