用正则表达式解析XML

可以肯定，即使提到这个方法，有些工程师也会批评我，但是确实可以用正则表达式解析 XML。清单 4 显示了使用 preg_ 函数读取图书文件的示例。

清单 4. 用正则表达式读取XML

<?php 
$xml = "";  
$f = fopen( 'books.xml', 'r' );  
while( $data = fread( $f, 4096 ) ) { $xml .= $data; }  
fclose( $f );  
 
preg_match_all( "/\<book\>(.*?)\<\/book\>/s",   
$xml, $bookblocks );  
 
foreach( $bookblocks[1] as $block )  
{  
preg_match_all( "/\<author\>(.*?)\<\/author\>/",   
$block, $author );  
preg_match_all( "/\<title\>(.*?)\<\/title\>/",   
$block, $title );  
preg_match_all( "/\<publisher\>(.*?)\<\/publisher\>/",   
$block, $publisher );  
echo( $title[1][0]." - ".$author[1][0]." - ".  
$publisher[1][0]."\n" );  
}  
?> 

请注意这个代码有多短。开始时，它把文件读进一个大的字符串。然后用一个 regex 函数读取每个图书项目。最后用 foreach 循环，在每个图书块间循环，并提取出 author、title 和 publisher。

那么，缺陷在哪呢？使用正则表达式代码读取 XML 的问题是，它并没先进行检查，确保 XML 的格式良好。这意味着在读取之前，无法知道 XML 是否格式良好。而且，有些格式正确的 XML 可能与正则表达式不匹配，所以日后必须修改它们。

我从不建议使用正则表达式读取 XML，但是有时它是兼容性最好的方式，因为正则表达式函数总是可用的。不要用正则表达式读取直接来自用户的 XML，因为无法控制这类 XML 的格式或结构。应当一直用 DOM 库或 SAX 解析器读取来自用户的 XML。

用DOM编写XML

读取 XML 只是公式的一部分。该怎样编写 XML 呢？编写 XML 最好的方式就是用 DOM。清单 5 显示了 DOM 构建图书 XML 文件的方式。

清单 5. 用DOM编写图书XML

<?php 
$books = array();  
$books [] = array(  
'title' => 'PHP Hacks',  
'author' => 'Jack Herrington',  
'publisher' => "O'Reilly"  
);  
$books [] = array(  
'title' => 'Podcasting Hacks',  
'author' => 'Jack Herrington',  
'publisher' => "O'Reilly"  
);  
 
$doc = new DOMDocument();  
$doc->formatOutput = true;  
 
$r = $doc->createElement( "books" );  
$doc->appendChild( $r );  
 
foreach( $books as $book )  
{  
$b = $doc->createElement( "book" );  
 
$author = $doc->createElement( "author" );  
$author->appendChild(  
$doc->createTextNode( $book['author'] )  
);  
$b->appendChild( $author );  
 
$title = $doc->createElement( "title" );  
$title->appendChild(  
$doc->createTextNode( $book['title'] )  
);  
$b->appendChild( $title );  
 
$publisher = $doc->createElement( "publisher" );  
$publisher->appendChild(  
$doc->createTextNode( $book['publisher'] )  
);  
$b->appendChild( $publisher );  
 
$r->appendChild( $b );  
}  
 
echo $doc->saveXML();  
?> 

在脚本的顶部，用一些示例图书装入了 books 数组。这个数据可以来自用户也可以来自数据库。

示例图书装入之后，脚本创建一个 new DOMDocument，并把根节点 books 添加到它。然后脚本为每本书的 author、title 和 publisher 创建节点，并为每个节点添加文本节点。每个 book 节点的最后一步是重新把它添加到根节点 books。脚本的末尾用 saveXML 方法把 XML 输出到控制台。（也可以用 save 方法创建一个 XML 文件。）脚本的输出如清单 6 所示。

清单6. DOM构建脚本的输出

% php e4.php   
<?xml version="1.0"?> 
<books> 
<book> 
<author>memory Herrington</author> 
<title>PHP memory</title> 
<publisher>O'Reilly</publisher> 
</book> 
<book> 
<author>memory Herrington</author> 
<title>Podcasting Hacks</title> 
<publisher>O'Reilly</publisher> 
</book> 
</books> 
% 

使用 DOM 的真正价值在于它创建的 XML 总是格式正确的。但是如果不能用 DOM 创建 XML 时该怎么办？