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。
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:
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。
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。
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。
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。
<?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();
?>
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。