XML 代表 Extensible Markup Language(可擴展的標記語言),是一套定義語義標記的規則,這些標記把文件分成許多部件並加以標識。它同時也是一種「元標記語言」——能定義其他與特定領域相關的、結構化的標記語言。身為當今最熱門的技術之一,XML 也與 PHP 有著密切的互動,本文就來探討 PHP 中的 XML 應用。
先對照一段 HTML 程式碼來理解:
<Html>
<title>XML</title>
<body>
<p><center><font color="red">TEXT</font></center></p>
<a href="www.domain.com"><img src="logo.jpg"/></a>
</body>
</Html>
這段程式碼從結構上就符合 XML 規則。XML 可以理解為包含資料的樹形結構,它要求:引用同一元素時大小寫一致(<center></Center> 不合法);屬性值要用引號框起(<a href=www.yahoo.com> 不正確);所有元素都由開始與結束標記組成,空元素須寫成 <img ... />;所有元素必須彼此嵌套,且都嵌於根元素之中;元素名稱應以字母開頭。
Expat 是 PHP 的 XML 解析器(又稱 XML 處理器),讓程式能存取 XML 文件的結構與內容。它是一种「基於事件」的解析器。XML 解析器大致有兩種類型:
基於樹型的解析器:把整份 XML 文件轉成樹形結構,並提供 API 存取樹中每個元素,通用標準為 DOM(文件物件模型)。
基於事件的解析器:把文件視為一連串事件,當特殊事件發生時,就呼叫開發者提供的函式來處理。它聚焦於文件的資料部分而非結構,從頭到尾處理文件,並把「元素開始、元素結束、字元資料開始」等事件透過 callback 函式回報給應用程式。
以 <greeting>Hello World</greeting> 為例,基於事件的解析器會回報三個事件:開始元素 greeting、值為 Hello World 的 CDATA 項、結束元素 greeting。這種解析器不產生描述文件結構的產物,但提供更低層、更省資源的存取,甚至不必把整份文件放進記憶體,因此文件可以大於實際記憶體值。要注意的是,Expat 是不檢查有效性的解析器,會忽略任何關聯的 DTD,但文件仍須格式完整,否則它會隨錯誤訊息停止。
Expat 可編譯進 PHP 3.0.6 以上版本。自 Apache 1.3.22 起,Expat 已成為 Apache 的一部分。在 Unix 系統中,可用 --with-xml 選項設定 PHP 將其編譯進去;若把 PHP 編譯為 Apache 模組,Expat 預設就會包含;在 Windows 中則必須載入 XML 動態連結庫。
本文的範例以 Expat 收集 XML 文件的統計資料,針對文件中每個元素輸出:它在文件中被使用的次數、其中字元資料的數量、父元素與子元素。
產生解析器實例的函式為 xml_parser_create(),該實例會用於後續所有函式,概念類似 PHP 中 MySQL 的連接標記。解析前,基於事件的解析器通常需註冊 callback 函式,Expat 定義了七種可能事件,分別對應元素、字元資料、外部實體、未解析的外部實體、處理指令、記法宣告與預設事件,各有對應的設定函式(如 xml_set_element_handler()、xml_set_character_data_handler() 等)。所有 callback 函式都必須把解析器實例作為第一個參數。
元素 callback 透過 xml_set_element_handler() 註冊,需三個參數:解析器實例、處理開始元素的 callback 函式名、處理結束元素的 callback 函式名。例如開始元素處理函式定義為 function start_element($parser, $name, $attrs),其中 $parser 是解析器標誌、$name 是元素名稱、$attrs 是包含所有屬性與值的陣列。一旦開始解析,Expat 每遇到開始元素就會呼叫它並傳入參數。
可用 xml_parser_set_option() 函式關閉 Case folding 選項。這個選項預設開啟,會把傳給處理函式的元素名稱自動轉為大寫;但由於 XML 對大小寫敏感(對統計文件而言尤其重要),我們的範例必須把它關掉。