DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
PHP 中的 XML 應用(二):用 Expat 解析並自建迷你搜尋引擎
編輯:XML詳解     

準備工作完成後,就可以開始解析 XML 了。核心只有兩個函式:xml_parse_from_file() 是自訂的包裝,負責開啟指定檔案並以 4KB 為單位分段解析;xml_parse() 則在文件格式不完備時回傳 false。

除錯時,用 xml_get_error_code() 取得最後一個錯誤的數字代碼,再交給 xml_error_string() 換成文字訊息;順便把當前行號印出來,定位問題會快很多。

事件驅動解析器的結構難題

使用 Expat 時最該思考的問題是:如何保留文件結構?

如前所述,事件驅動的解析器本身不產生任何結構資訊。但標籤結構恰恰是 XML 的重要特性——<book><title> 與 <figure><title> 的意思完全不同,書名和圖名毫無關係,只是都叫 title。

因此要有效使用事件驅動解析器,必須自己用堆疊或清單維護結構資訊。Expat 的 API 只回報當前元素的事件,不提供任何前後關聯,所以堆疊得自己建。

範例採用先進後出的堆疊,用陣列保存所有開始元素:遇到開始元素就 array_push() 推入堆疊頂端,遇到結束元素就 array_pop() 移掉最上面那個。

以 <book><title></title></book> 為例:

  • 開始元素 book → 把 "book" 放進 $stack[0]
  • 開始元素 title → 把 "title" 放進 $stack[1]
  • 結束元素 title → 移掉 $stack[1]
  • 結束元素 book → 移掉 $stack[0]

PHP 3.0 得靠手動維護 $depth 變數來控制嵌套,程式碼顯得笨重;PHP 4.0 有了 array_push() 與 array_pop() 之後,整段邏輯清爽許多。

收集每個元素的資訊

用一個全域陣列 $elements 保存文件中出現過的所有元素,每個項目是元素類別的實例,含四個屬性:

  • $count:該元素在文件中出現的次數
  • $chars:元素內字元事件的位元組數
  • $parents:父元素
  • $childs:子元素

PHP 有個好用的特性:你可以用 while(list() = each()) 迴圈遍歷整個類別結構,就像遍歷陣列一樣,所有類別變數都會以字串形式輸出。

每發現一個元素,就把它的計數器加一,同時在對應的 $elements 項目中記一次;接著把自己的名稱加入父元素的 $childs,並把父元素記進自己的 $parents。雙向記錄做完,整棵樹的關係就完整了。

輸出統計

剩下的程式碼在 $elements 陣列及其子陣列中做嵌套迴圈,把統計結果印出來。邏輯很平凡,就是一個日常會寫的雙層迴圈。範例設計為透過 PHP 的 CGI 命令列方式執行,因此輸出是純文字;若要放到網站上,改一下輸出函式產生 HTML 即可。

迷你搜尋引擎

先看資料檔 xyz.XML:

<?xml version="1.0" encoding="gb2312" ?>
<links>採用 PHP 和 XML 技術建構的搜尋引擎
  <web memo="memo1" url="">name1</web>
  <sub>電腦網絡
    <web memo="nemo2">name2</web>
    <sub>程序設計
      <web memo="memo3">name3</web>
      <sub>PHP
        <web url="https://www.phpbuilder.com/" memo="[英文]PHP 開發資源。">www.PHPbuilder.com</web>
        <web url="https://www.fokus.gmd.de" memo="[英文]PHP 開發手冊。">PHP Manual</web>
      </sub>
    </sub>
  </sub>
</links>

結構很簡單:根元素是 links,sub 代表分類,web 是一個網站的資訊。url 屬性是連結,memo 是備註,元素內容則是分類名或網站名。

為什麼用 XML 做搜尋引擎?三個理由:一,有些環境根本無法使用資料庫(MySQL 或其他);二,資料量小的搜尋引擎用資料庫反而沒什麼效率優勢;三,也是最重要的一點——維護極為簡單,不用寫繁瑣的資料庫維護程式。要新增分類或網頁,編輯文字檔加上一段 <web>...</web> 或 <sub>...</sub> 就好;要搬移分類,把那段 sub 複製過去即可。

基礎框架:樹狀輸出

<?php
$file = "demo.xml";

function xml_parse_from_file($parser, $file) { /* 解析 XML 檔 */ }
function start_element($parser, $name, $attrs) { /* 遇到 <a href="link"> 這類開始標記時執行 */ }
function stop_element($parser, $name) { /* 遇到 </body> 這類結束標記時執行 */ }
function data($parser, $data) { /* 處理文字內容 */ }
function showcount() { /* 顯示每一層的元素總數 */ }

global $level, $levelcount, $maxlevel;
$level = -1;

$parser = xml_parser_create();
xml_set_element_handler($parser, "start_element", "stop_element");
xml_set_character_data_handler($parser, "data");
xml_parser_set_option($parser, XML_OPTION_CASE_FOLDING, 0);

$ret = xml_parse_from_file($parser, $file);
if (!$ret) {
  die(sprintf("XML error: %s at line %d",
    xml_error_string(xml_get_error_code($parser)),
    xml_get_current_line_number($parser)));
}
xml_parser_free($parser);
showcount();
?>

定位子樹

在這個基礎上可以只顯示某一段子樹。做法是依「層數」與「該層的第幾個」來定位節點:

links (0,1)
 +----web (1,1)
 +----sub (1,2)
 |    +----web (2,1)
 |    +----sub (2,2)
 |           +----web (3,1)
 |           +----sub (3,2)

關鍵只用一個 $hide 旗標:不在目標範圍內就跳過輸出。

<?php
function start_element($parser, $name, $attrs) {
  global $level, $levelcount, $maxlevel, $hide, $lev, $num;
  $level += 1;
  if ($level > $maxlevel) $maxlevel = $level;
  $levelcount[$level] += 1;

  if ($hide) {                                  // 是否已在子樹範圍內
    if ($level == $lev && $levelcount[$level] == $num)
      $hide = FALSE;
  } else {
    if ($level <= $lev) $hide = TRUE;            // 離開目標層就停止輸出
  }

  if (!$hide) {
    /* 輸出 */
  }
}

function data($parser, $data) {
  global $level, $hide;
  if (!$hide) {
    if (trim($data) != "") { echo trim($data); }
  }
}

global $hide, $lev, $num;
$level = -1;
$hide = TRUE;
echo "<p><a href=$PHP_SELF>Root</a></p>";
if ($lev == "") { $lev = 0; $num = 1; }
?>

鋪墊到這裡,搜尋引擎的兩個主要檔案就清楚了:第一段負責仿新浪、Yahoo 的分類瀏覽,第二段負責關鍵字比對(用 eregi 函式)並遍歷整棵樹、印出符合的內容。

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