| $doc->rss->channel->item->title |
從文檔中選擇元素。只要熟悉文檔的結(jié)構(gòu)，很容易編寫(xiě)這種表達(dá)式。但是，如果不很清楚需要的元素出現(xiàn)在何處（比如 Docbook、HTML 和類似的敘述性文檔中），SimpleXML 可以使用 XPath 表達(dá)式尋找這些元素。
開(kāi)始使用 SimpleXML
假設(shè)需要一個(gè) PHP 頁(yè)面將 RSS 提要（feed）轉(zhuǎn)化成 HTML。RSS 是一種簡(jiǎn)單的 XML 格式用于發(fā)布連鎖內(nèi)容。文檔的根元素是rss，它包括一個(gè) channel 元素。channel 元素包含關(guān)于提要的元數(shù)據(jù)，如標(biāo)題、語(yǔ)言和 URL。它還包含各種封裝在 item 元素中的報(bào)道。每個(gè) item 都有一個(gè) link 元素，包括一個(gè) URL，還有 title 或 description（通常兩者都有），包含普通文本。不使用名稱空間。RSS 的內(nèi)容當(dāng)然不止這些，不過(guò)對(duì)本文來(lái)說(shuō)知道這些就足夠了。清單 1 顯示了一個(gè)典型的例子，它包含兩個(gè)新聞項(xiàng)。
清單 1. RSS 提要
|
|
我們來(lái)開(kāi)發(fā)一個(gè) PHP 頁(yè)面將 RSS 提要格式化為 HTML。清單 2 顯示了這個(gè)頁(yè)面的基本結(jié)構(gòu)。
清單 2. PHP 代碼的靜態(tài)結(jié)構(gòu)
|
|
解析 XML 文檔
第一步是解析 XML 文檔并保存到變量中。只需要一行代碼，向 simplexml_load_file() 函數(shù)傳遞一個(gè) URL 即可：
| $rss = simplexml_load_file('http://partners.userland.com/nytRss/nytHomepage.xml'); |
這里選擇的方案絕不是最佳方案。實(shí)際上不應(yīng)該每次單擊頁(yè)面時(shí)都加載和解析 RSS 提要。對(duì)于該頁(yè)面的讀者來(lái)說(shuō)這樣做太慢，而且可能造成所加載 RSS 提要的拒絕服務(wù)，多數(shù) RSS 都規(guī)定了適當(dāng)?shù)拿啃r(shí)大的刷新次數(shù)。真正的解決方案應(yīng)該緩沖生成的 HTML 頁(yè)面、RSS 提要或兩者。但是，我們重點(diǎn)是使用 SimpleXML 庫(kù)，因此這里沒(méi)有過(guò)多考慮。
對(duì)于這個(gè)例子，我已經(jīng)從 Userland 的 New York Times 提要（在 http://partners.userland.com/nytRss/nytHomepage.xml）填充了頁(yè)面。當(dāng)然，也可使用其他 RSS 提要的任何 URL。
要注意，雖然名稱為 simplexml_load_file()，該函數(shù)實(shí)際上解析遠(yuǎn)程 HTTP URL 上的 XML 文檔。但這并不是該函數(shù)唯一令人感到奇怪的地方。返回值（這里存儲(chǔ)在 $rss 變量中）并沒(méi)有指向整個(gè)文檔，如果使用過(guò)其他 API 如文檔對(duì)象模型（DOM）您可能會(huì)這樣期望。相反，它指向文檔的根元素。從 SimpleXML 不能訪問(wèn)文檔序言和結(jié)語(yǔ)部分的內(nèi)容。
尋找提要標(biāo)題
整個(gè)提要的標(biāo)題（不是提要中各報(bào)道的標(biāo)題）位于 rss 根元素 channel 的 title 孩子中。很容易找到這個(gè)標(biāo)題，就仿佛 XML 文檔是類 rss 的一個(gè)對(duì)象的序列化形式，它的 channel 字段本身帶有一個(gè) title 字段。使用常規(guī) PHP 對(duì)象引用語(yǔ)法，尋找標(biāo)題的語(yǔ)句如下：
| $title = $rss->channel->title; |
找到之后可以將其添加到輸出 HTML 中。這樣做很簡(jiǎn)單，只要回顯 $title 變量即可：
|
|
這一行輸出元素的字符串值而不是整個(gè)元素。就是說(shuō)寫(xiě)入文本內(nèi)容但不包括標(biāo)簽。
甚至可以完全跳過(guò)中間變量 $title：
|
|
因?yàn)樵擁?yè)面在多處重用這個(gè)值，我發(fā)現(xiàn)用一個(gè)含義明確的變量來(lái)存儲(chǔ)會(huì)更方便。
迭代新聞項(xiàng)
然后必須發(fā)現(xiàn)提要中的項(xiàng)。完成這項(xiàng)任務(wù)的表達(dá)式很簡(jiǎn)單：
| $rss->channel->item |
但是，提要通常包含多個(gè)新聞項(xiàng)。但也可能一個(gè)也沒(méi)有。因此，該語(yǔ)句返回一個(gè)數(shù)組，可以通過(guò) for-each 循環(huán)來(lái)遍歷它：
foreach ($rss->channel->item as $item) {
echo "" . $item->title . ""; echo "" . $item->description . " "; } |
通過(guò)從 RSS 提要中讀取 link 元素值添加鏈接也很容易。只要在 PHP 中輸出一個(gè) a 元素，并使用 $item->link 檢索 URL 即可。清單 3 增加了該元素并填充到 清單 1 的框架中。
清單 3. 簡(jiǎn)單而完整的 PHP RSS 閱讀器
channel->title;
?>
" . $item->title . ""; echo "" . $item->description . " "; } ?> |
這樣就用 PHP 完成了一個(gè)簡(jiǎn)單的 RSS 閱讀器：只需要幾行 HTML 和幾行 PHP。不算空白的話一共只有 20 行。當(dāng)然，這個(gè)實(shí)現(xiàn)的功能還不夠豐富，也不夠優(yōu)化或者健壯。我們來(lái)看看還能做什么。
回頁(yè)首
錯(cuò)誤處理
并非所有 RSS 提要都如期望的那樣結(jié)構(gòu)良好。XML 規(guī)范要求處理程序在發(fā)現(xiàn)結(jié)構(gòu)良好性錯(cuò)誤時(shí)停止處理文檔，SimpleXML 是符合標(biāo)準(zhǔn)的 XML 處理程序。但是在發(fā)現(xiàn)錯(cuò)誤時(shí)它沒(méi)有提供多少幫助。一般來(lái)說(shuō)，它在 php-errors 文件中記錄錯(cuò)誤（但是不包括詳細(xì)的錯(cuò)誤消息），simplexml-load-file() 函數(shù)返回 FALSE。如果不能確保解析的文件是結(jié)構(gòu)良好的，在使用文件數(shù)據(jù)之前要檢查錯(cuò)誤，如清單 4 所示。
清單 4. 避免結(jié)構(gòu)錯(cuò)誤的輸入
xpath('//title') as $title) {
echo "" . $title . ""; } } else { echo "Oops! The input is malformed!"; } ?> |
其他常見(jiàn)的錯(cuò)誤是文檔實(shí)際上是結(jié)構(gòu)良好的，但是沒(méi)有在期望的地方包含期望的元素。如果項(xiàng)沒(méi)有標(biāo)題（比如在 top-100 這樣的 RSS 提要中），$doc->rss->channel->item->title 這樣的表達(dá)式會(huì)怎么樣呢？最簡(jiǎn)單的辦法是將返回值永遠(yuǎn)看作一個(gè)數(shù)組并循環(huán)遍歷該數(shù)組。這樣就可以判斷元素比預(yù)期的多還是少。但是，如果確定只需要文檔中的第一個(gè)元素 —— 即使有多個(gè)，可以按索引訪問(wèn)，索引號(hào)從零開(kāi)始。比如，如果要請(qǐng)求一個(gè)項(xiàng)的標(biāo)題，可以用如下代碼：
| $doc->rss->channel->item[0]->title[0] |
如果沒(méi)有第一項(xiàng)，或者第一項(xiàng)沒(méi)有標(biāo)題，該項(xiàng)就按照常規(guī) PHP 數(shù)組索引越界處理。即結(jié)果是空，在將其插入輸出 HTML 時(shí)，它會(huì)被轉(zhuǎn)化成空白字符串。
識(shí)別和拒絕不打算處理的非預(yù)期格式通常屬于 XML 驗(yàn)證解析器的范疇。然而，SimpleXML 不能針對(duì)文檔類型定義（DTD）或模式進(jìn)行驗(yàn)證。它只檢查結(jié)構(gòu)良好性。
回頁(yè)首
處理名稱空間
很多站點(diǎn)現(xiàn)在從 RSS 轉(zhuǎn)向了 Atom。清單 5 顯示了一個(gè) Atom 文檔的例子。該文檔大部分和 RSS 的例子類似。但是增加了一些元數(shù)據(jù)，而且根元素變成了 feed 而不是 rss。feed 元素包含 entry 而不是項(xiàng)（item）。content 元素代替了 description。最重要的是，Atom 文檔使用了名稱空間，但 RSS 文檔沒(méi)有。這樣，Atom 文檔就可以在內(nèi)容中內(nèi)嵌真正的、沒(méi)有轉(zhuǎn)義的可擴(kuò)展 HTML（XHTML）。
清單 5. Atom 文檔
|
Steve Palmer has posted a beta of Vienna 2.1, an open source RSS/Atom client for Mac OS X. Vienna is the first reader I've found acceptable for daily use; not great but good enough. (Of course my standards for "good enough" are pretty high.) 2.1 focuses on improving the user interface with a unified layout that lets you scroll through several articles, article filtering (e.g. read all articles since the last refresh), manual folder reordering, a new get info window, and an improved condensed layout. Matt Mullenweg has released Wordpress 2.0.4, a blog engine based on PHP and MySQL. 2.0.4 plugs various security holes, mostly involving plugins. |
雖然元素名稱變了，但用 SimpleXML 處理 Atom 文檔的基本方法和 RSS 相同。一個(gè)區(qū)別是現(xiàn)在請(qǐng)求被命名的元素和本地名稱時(shí)必須指定名稱空間統(tǒng)一資源標(biāo)識(shí)符（URI）。這需要兩個(gè)步驟：首先通過(guò)向 children() 函數(shù)傳遞名稱空間 URI 請(qǐng)求給定名稱空間中的孩子元素。然后用那個(gè)名稱空間中適當(dāng)?shù)谋镜孛Q請(qǐng)求元素。假設(shè)第一次把 Atom 提要加載到變量 $feed 中，如下所示：
| $feed = simplexml_load_file('http://www.cafeconleche.org/today.atom'); |
下面的兩行尋找 title 元素：
| $children = $feed->children('http://www.w3.org/2005/Atom'); $title = $children->title; |
如果愿意可以將這些代碼壓縮成一行，雖然行會(huì)變得有點(diǎn)長(zhǎng)。名稱空間中的所有其他元素也必須類似處理。清單 6 給出了一個(gè)完整的 PHP 頁(yè)面，其中顯示帶名稱空間的 Atom 提要中的標(biāo)題。
清單 6. 簡(jiǎn)單的 PHP Atom 標(biāo)題閱讀器
children('http://www.w3.org/2005/Atom');
$title = $children->title;
?>
" . $details->title . ""; } ?> |
回頁(yè)首
混合的內(nèi)容
為什么這個(gè)例子中只顯示標(biāo)題行呢？因?yàn)樵?Atom 中，記錄的內(nèi)容可以包含報(bào)道的全部文本：不僅僅是普通文本，還包括標(biāo)記。這是一種敘述性結(jié)構(gòu)：行中的詞句是供人閱讀的。和多數(shù)的此類數(shù)據(jù)相似，也有大量的混合內(nèi)容。于是 XML 就不那么簡(jiǎn)單了，SimpleXML 方法也開(kāi)始顯示出了一些不足之處。由于不能合理地處理混合內(nèi)容，這一不足使其在很多應(yīng)用中被排除了。
可以做到一點(diǎn)，但這不是一個(gè)完整的解決方案，只能用于 content 元素包含真正的 XHTML 的情況。可以使用 asXML() 函數(shù)將這些 XHTML 作為非解析源代碼直接復(fù)制到輸出中，比如：
|
echo " " . $details->content->asXML() . " "; |
生成的結(jié)果如清單 7 所示。
清單 7. asXML 輸出
|
Nikolai Grigoriev has released SVGMath 0.3, a presentation MathML formatter that produces SVG written in pure Python and published under an MIT license. According to Grigoriev, "The new version can work with multiple-namespace documents (e.g. replace all MathML subtrees with SVG in an XSL-FO or XHTML document); configuration is made more flexible, and several bugs are fixed. There is also a stylesheet to adjust the vertical position of the resulting SVG image in XSL-FO." |
這不是純粹的 XHTML。content 元素悄悄從 Atom 文檔中溜了進(jìn)來(lái)，您真的不愿這樣。更糟的是，它的名稱空間不對(duì)，因此不能被識(shí)別。幸運(yùn)的是，這個(gè)多出來(lái)的元素實(shí)際上沒(méi)有多大害處，因?yàn)?Web 瀏覽器會(huì)忽略不認(rèn)識(shí)的任何標(biāo)簽。完成的文檔是無(wú)效的，但是關(guān)系不大。如果還是覺(jué)得別扭，可以通過(guò)字符串操作將其去掉，如下所示：
|
$description = $details->content->asXML();
$tags = array(' |
為了使代碼更加健壯，可以使用正則表達(dá)式而不是假定起始標(biāo)簽和前面相同。具體來(lái)說(shuō)，可以考慮各種可能的屬性：
|
// end-tag is fixed in form so it's easy to replace
$description = str_replace("", "", $description);
// remove start-tag, possibly including attributes and white space
$description = ereg_replace(" |
即使這樣改進(jìn)之后，代碼還是會(huì)在注釋、處理指令和 CDATA 節(jié)上出錯(cuò)。無(wú)論怎么分解，恐怕都不會(huì)簡(jiǎn)單了。混合內(nèi)容實(shí)際上超出了 SimpleXML 所能處理的范圍。
回頁(yè)首
XPath
只要知道文檔有什么元素以及在什么位置，$rss->channel->item->title 這樣的表達(dá)式很方便。但是，不一定會(huì)知道得這么清楚。比方說(shuō)，在 XHTML 中，標(biāo)題元素（h1、h2、h3 等等）可以是 body、div、table 或其他幾種元素的孩子。此外，div、table、blockquote 及其他元素又可以互相嵌套多次。在很多不那么明確的場(chǎng)合中，使用 //h1 或 //h1[contains('Ben')]這樣的 XPath 表達(dá)式更方便。SimpleXML 通過(guò) xpath() 函數(shù)支持這種功能。
清單 8 顯示的 PHP 頁(yè)面列出了 RSS 文檔中的所有標(biāo)題，包括提要本身以及每個(gè)項(xiàng)的標(biāo)題。
清單 8. 使用 XPath 查找 title 元素
" . $title . ""; } ?> |
SimpleXML 僅支持 XPath 位置路徑及位置路徑的組合。不支持那些不返回節(jié)點(diǎn)集的 XPath 表達(dá)式，如 count(//para) 或contains(title)。
從 PHP 5.1 版開(kāi)始，SimpleXML 可以直接對(duì)帶名稱空間的文檔使用 XPath 查詢。和通常一樣，XPath 位置路徑必須使用名稱空間前綴，即使搜索的文檔使用默認(rèn)名稱空間也仍然如此。registerXPathNamespace() 函數(shù)把前綴和后續(xù)查詢中使用的名稱空間 URL 聯(lián)系在一起。比方說(shuō)，如果要查詢 Atom 文檔中的所有 title 元素，應(yīng)使用清單 9 中所示的代碼。
清單 9. 使用 XPath 和名稱空間
$atom = simplexml_load_file('http://www.cafeconleche.org/today.atom');
$atom->registerXPathNamespace('atm', 'http://www.w3.org/2005/Atom');
$titles = $atom->xpath('//atm:title');
foreach ($titles as $title) {
echo "" . $title . ""; } |
最后一點(diǎn)忠告：PHP 中的 XPath 速度非常慢。當(dāng)改為 XPath 表達(dá)式之后頁(yè)面加載延遲從難以覺(jué)察變成了幾秒鐘，即使是在負(fù)荷不高的本地服務(wù)器上。如果采用這些技術(shù)，必須使用某種緩存技術(shù)來(lái)獲得適當(dāng)?shù)男阅?。不可能?dòng)態(tài)生成每個(gè)頁(yè)面。
回頁(yè)首
結(jié)束語(yǔ)
如果不需要處理混合內(nèi)容，SimpleXML 對(duì)于 PHP 程序員的工具箱來(lái)說(shuō)是個(gè)不錯(cuò)新玩意。其適用的情況很多。具體而言，它能夠很好地處理簡(jiǎn)單的、類似記錄的數(shù)據(jù)。只要文檔層次不深、不很復(fù)雜，而且沒(méi)有混合內(nèi)容，SimpleXML 要比使用 DOM 簡(jiǎn)單得多。如果事先知道文檔結(jié)構(gòu)該工具將更有用，雖然通過(guò) XPath 可以滿足這種要求。雖然不支持驗(yàn)證和混合內(nèi)容有點(diǎn)不方便，但不是絕對(duì)的。很多簡(jiǎn)單格式?jīng)]有混合內(nèi)容，而且很多應(yīng)用只涉及到可預(yù)知的數(shù)據(jù)格式。如果符合您的需要，可以自己嘗試一下 SimpleXML。只要對(duì)錯(cuò)誤處理稍加注意，并且通過(guò)緩存來(lái)解決性能問(wèn)題，SimpleXML 可以成為 PHP 中一種可靠、健壯的 XML 處理方法。
重慶分公司
重慶分公司
