简化PHP DOM XML解析 - 如何？

Question

我花了一整天的PHP的DOM函数但我无法理解它是如何工作的.:(我有一个简单的XML文件,看起来没问题,但我不能使用它我的想法,当我创建它的结构.

示例XML片段:

-pages //root element
    -page id="1" //we can have any number of pages
        -product id="364826" //we can have any number of products
            -SOME_KIND_OF_VALUE
            -ANOTHER_VALUE
            ...

我最初的想法是加快我的客户工作流程,所以我扔掉旧的CSV并开始使用XML.

问题1: 当我将产品分组到页面时,我使用setIdAttribute来防止在树中多次存储同一页面.这样可以正常读取,因为这些id与某种DTD(基于getElementById)相关联.

问题1: 我如何编写一个提供这些必要信息的简单DTD,以便我也可以getElementById在阅读阶段使用？

问题2: 因为我有页面我想加载尽可能少的信息.这就是我在页面上创建id属性的原因.现在我无法直接访问我的页面id ="2"因为上面的问题1(getElementById目前没有意义).不知何故,我可以设法检索给定页面上每个产品的必要信息,但我的代码看起来很吓人:

$doc      = DOMDocument::load('data.xml');
$xpath    = new DOMXPath($doc);
$query    = '/pages/page[' . $page . ']'; //$page is fine: was set earlier
$products = $xpath->query($query);
$_prods   = $doc->getElementsByTagName('product');
foreach($_prods as $product){
    foreach($product->childNodes as $node){
        echo $node->nodeName . ": " . $node->nodeValue . "<br />";
    }
}

Queston 2: 我认为上面的代码是关于如何不解析XML 的示例.但由于我对PHP的DOM功能的了解有限,我不能自己写一个更干净的.我尝试了一些简单的解决方案,但没有一个能为我工作.

Answer 1

解决问题1:

的W3C定义:该属性的含义xml:id如在XML文档的ID属性定义该属性的处理以识别的ID不存在的验证,而无需获取的外部资源,并且不依赖于内部子集.

换句话说,当你使用时

$element->setAttribute('xml:id', 'test');

您不需要调用setIdAttribute,也不需要指定DTD或Schema.DOM将xml:id在使用时识别该属性,getElementById而无需验证文档或任何内容.这是最省力的方法.但请注意,根据您的操作系统和libxml的版本,您getElementById根本无法工作.

解决问题2:

即使ID无法getElementById获取,您仍然可以使用XPath获取它们:

$xpath->query('/pages/page[@id=1]');

肯定会奏效.您还可以直接获取特定页面的产品子项:

$xpath->query('//pages/page[@id=1]/products');

除此之外,你可以做的很少,使DOM代码看起来不那么冗长,因为它真的是一个冗长的界面.它必须是,因为DOM是一个语言不可知的接口,再次由W3C定义.

在下面的评论后编辑

它像我上面解释的那样工作.这是一个完整的测试用例.第一部分是用DOM 编写新的XML文件.这是您需要设置xml:id属性的位置.您可以使用此属性而不是常规的非命名空间的id属性.

// Setup
$dom = new DOMDocument;
$dom->formatOutput = TRUE;
$dom->preserveWhiteSpace = FALSE;
$dom->loadXML('<pages/>');

// How to set a valid id attribute when not using a DTD or Schema
$page1 = $dom->createElement('page');
$page1->setAttribute('xml:id', 'p1');
$page1->appendChild($dom->createElement('product', 'foo1'));
$page1->appendChild($dom->createElement('product', 'foo2'));

// How to set an ID attribute that requires a DTD or Schema when reloaded
$page2 = $dom->createElement('page');
$page2->setAttribute('id', 'p2');
$page2->setIdAttribute('id', TRUE);
$page2->appendChild($dom->createElement('product', 'bar1'));
$page2->appendChild($dom->createElement('product', 'bar2'));

// Appending pages and saving XML
$dom->documentElement->appendChild($page1);
$dom->documentElement->appendChild($page2);
$xml = $dom->saveXML();
unset($dom, $page1, $page2);
echo $xml;

这将创建一个这样的XML文件:

<?xml version="1.0"?>
<pages>
  <page xml:id="p1">
    <product>foo1</product>
    <product>foo2</product>
  </page>
  <page id="p2">
    <product>bar1</product>
    <product>bar2</product>
  </page>
</pages>

当您再次读入XML时,新的DOM实例不再知道您已将非命名空间id属性声明为ID属性setIdAttribute.它仍然在XML中,但id属性只是一个常规属性.您必须知道ID属性在XML中是特殊的.

// Load the XML we created above
$dom = new DOMDocument;
$dom->loadXML($xml);

现在进行一些测试:

echo "\n\n GETELEMENTBYID RETURNS ELEMENT WITH XML:ID \n\n";
foreach( $dom->getElementById('p1')->childNodes as $product) {
    echo $product->nodeValue; // Will output foo1 and foo2 with whitespace
}

上述工作,因为DOM兼容解析器必须识别xml:id是一个ID属性,无论任何DTD或架构.这在上面链接的规范中有解释.它输出空格的原因是因为格式化的输出在开始标记,两个产品标记和结束标记之间存在DOMText节点,所以我们迭代五个节点.在使用XML时,节点概念对于理解是至关重要的.

echo "\n\n GETELEMENTBYID CANNOT FETCH NORMAL ID \n\n";
foreach( $dom->getElementById('p2')->childNodes as $product) {
    echo $product->nodeValue; // Will output a NOTICE and a WARNING
}

以上操作无效,因为id它不是ID属性.要让DOM解析器识别它,您需要一个DTD或Schema,并且必须对它进行XML验证.

echo "\n\n XPATH CAN FETCH NORMAL ID \n\n";
$xPath = new DOMXPath($dom);
$page2 = $xPath->query('/pages/page[@id="p2"]')->item(0);
foreach( $page2->childNodes as $product) {
    echo $product->nodeValue; // Will output bar1 and bar2
}

另一方面,XPath是关于属性的文字,这意味着id如果getElementById不可用,您可以使用属性查询DOM元素.请注意,要查询ID为p1的页面,您必须包含命名空间,例如@xml:id="p1".

echo "\n\n XPATH CAN FETCH PRODUCTS FOR PAGE WITH ID \n\n";
$xPath = new DOMXPath($dom);
foreach( $xPath->query('/pages/page[@id="p2"]/product') as $product ) {
    echo $product->nodeValue; // Will output bar1 and bar2 w\out whitespace
}

如上所述,您还可以使用XPath查询文档中的任何其他内容.这个不会输出空格,因为它只返回productid为p2的页面下面的元素.

您还可以从节点遍历整个DOM.这是一个树形结构.由于DOMNode是DOM中最重要的类,因此您需要熟悉它.

echo "\n\n TRAVERSING UP AND DOWN \n\n";
$product = $dom->getElementsByTagName('product')->item(2);
echo $product->tagName; // 'product'
echo $dom->saveXML($product); // '<product>bar1</product>'

// Going from bar1 to foo1
$product = $product->parentNode // Page Node
                   ->parentNode // Pages Node
                   ->childNodes->item(1)  // Page p1
                   ->childNodes->item(1); // 1st Product

echo $product->nodeValue; // 'foo1'

// from foo1 to foo2 it is two(!) nodes because the XML is formatted
echo $product->nextSibling->nodeName; // '#text' with whitespace and linebreak
echo $product->nextSibling->nextSibling->nodeName; // 'product'
echo $product->nextSibling->nextSibling->nodeValue; // 'foo2'

在旁注中,是的,我在上面的原始代码中确实有一个拼写错误.事实product并非如此products.但我发现,当你需要改变的是一个代码时,声称代码不起作用是不合理的s.这感觉太像是想要用勺子做饭.