简化PHP DOM XML解析-怎么做？

Question

我已经花了整整一天的时间使用PHP的DOM函数，但是我还不了解它是如何工作的。:(我有一个看起来不错的简单XML文件，但是创建它的结构时我无法按照我的想法使用它。

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客户的工作流程，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中时，我正在使用setIdAttribute来防止将同一页面多次存储在树中。在读取发生之前，这是可以正常工作的，因为这些ID与某种DTD（基于getElementById）绑定在一起。

问题1： 如何编写一个简单的DTD提供这些必要的信息，以便我也可以getElementById在阅读阶段使用它？

问题2： 因为我有页面，所以我想加载尽可能少的信息。这就是为什么我在页面上创建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目前没有任何意义）。我可以设法以某种方式在给定页面上检索有关每种产品的必要信息，但是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有关 如何不 解析XML
的示例。但是由于我对PHP的DOM函数的了解有限，所以我不能自己编写一个简洁的代码。我尝试了一些简单的解决方案，但没有一个对我有用。

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属性定义处理该属性来识别在没有确认的ID的，没有获取的外部资源，并且不依赖于内部子集。

换句话说，当您使用

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

您无需调用setIdAttribute，也无需指定DTD或Schema。与DOM一起xml:id使用时，DOM可以识别该属性，getElementById而无需验证文档或其他任何内容。这是最省力的方法。但是请注意，根据您的操作系统和libxml版本，您getElementById根本无法使用。

解决问题2：

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

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

肯定会工作。您还可以直接为特定页面获取产品子级：

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

除此之外，几乎没有什么可以使DOM代码看起来不太冗长，因为它确实是一个冗长的接口。由于DOM是语言不可知的接口，因此必须由W3C再次定义。

在下面的评论后编辑

就像我上面解释的那样。这是一个完整的测试用例。第一部分是使用DOM 编写
新的XML文件。那是您需要设置xml:id属性的地方。您可以使用它代替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XML文件，如下所示：

<?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 读取
XML时，新的DOM实例不再知道您已使用声明了非命名空间id属性为ID属性setIdAttribute。它仍将保留在XML中，但id属性将只是常规属性。您必须注意，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
}

上面的方法有效，因为与DOM兼容的解析器必须识别xml:id出ID属性，而不管任何DTD或Schema。在上面链接的规范中对此进行了解释。它输出空白的原因是由于格式化输出，在开始标记，两个产品标记和结束标记之间存在DOMText节点，因此我们要遍历五个节点。节点概念对于理解使用XML至关重要。

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
}

上面的方法不起作用，因为id它不是ID属性。为了使DOM解析器能够识别出它，您需要DTD或Schema，并且必须针对它验证XML。

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，这意味着您可以在DOM中查询具有属性的页面元素（id如果getElementById不可用）。请注意，要查询ID为p1的页面，您必须包含名称空间，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
}

就像说的那样，您还可以使用XPath查询文档中的其他任何内容。这个不会输出空格，因为它只会返回productID为p2的页面下方的元素。

您还可以从节点遍历整个DOM。这是一个树状结构。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'

在一个旁注中，是的，我在上面的原始代码中确实有一个错字。这是product不是products。但是我发现当您只需要更改一个代码时，声称该代码不起作用几乎是没有道理的s。那简直太像想被喂饱了。