xml
如何对文档进行解析?
在完成所有的准备工作后,现在脚本终于可以解析XML文档:
Xml_parse_from_file(),一个自定义的函数,打开参数中指定的文件,并以4kb的大小进行解析
xml_parse(),和xml_parse_from_file()一样,当发生错误时,即XML文档的格式不完全时,将会返回false。
我们可以使用xml_get_error_code()函数来得到最后一个错误的数字代码。将此数字代码传递给xml_error_string()函数即可得到错误的文本信息。输出XML当前的行数,使得调试更容易。
当解析文档时,对于Expat需要强调问题的是:如何保持文档结构的基本描述?
如前所述,基于事件的解析器本身并不产生任何结构信息。不过标签(tag)结构是XML的重要特性。例如,元素序列
为了产生文档结构的镜像,脚本至少需要知道目前元素的父元素。用Exapt的API是无法实现的,它只报告目前元素的事件,而没有任何前后关系的信息。因此,需要建立自己的栈结构。
脚本范例使用先进后出(FILO)的栈结构。通过一个数组,栈将保存全部的开始元素。对于开始元素处理函数,目前的元素将被array_push()函数推到栈的顶部。相应的,结束元素处理函数通过array_pop()将最顶的元素移走。
对于序列
开始元素book:将"book"赋给栈的第一个元素($stack[0])。
开始元素title:将"title"赋给栈的顶部($stack[1])。
结束元素title:从栈中将最顶部的元素移去($stack[1])。
结束元素title:从栈中将最顶部的元素移去($stack[0])。
PHP3.0通过一个$depth变量手动控制元素的嵌套来实现范例,这就使脚本看起来比较复杂。PHP4.0通过array_pop()和array_push()两个函数来使脚本看起来更简洁。
如何收集XML文档中的元素信息?
为了收集每个元素的信息,脚本需要记住每个元素的事件。通过使用一个全局的数组变量$elements来保存文档中所有不同的元素。数组的项目是元素类的实例,有4个属性(类的变量)
$count -该元素在文档中被发现的次数
$chars -元素中字符事件的字节数
$parents -父元素
$childs - 子元素
注意:PHP的一个特性是你可以通过while(list() = each())loop遍历整个类结构,如同你遍历整个相应的数组一样。所有的类变量(当你用PHP3.0时还有方法名)都以字符串的方式输出。
当发现一个元素时,我们需要增加其相应的记数器来跟踪它在文档中出现多少次。在相应的$elements项中的记数元素也要加一。
我们同样要让父元素知道目前的元素是它的子元素。因此,目前元素的名称将会加入到父元素的$childs数组的项目中。最后,目前元素应该记住谁是它的父元素。所以,父元素被加入到目前元素$parents数组的项目中。
显示统计信息
剩下的代码在$elements数组和其子数组中循环显示其统计结果。这就是最简单的嵌套循环,尽管输出正确的结果,但代码既不简洁又没有任何特别的技巧,它仅仅是一个你可能每天用他来完成工作的循环。
脚本范例被设计为通过PHP的CGI方式的命令行来调用。因此,统计结果输出的格式为文本格式。如果你要将脚本运用到互联网上,那么你需要修改输出函数来产生HTML格式。
如何用PHP&XML编制一个迷你搜索引擎实例?
让我们首先来熟悉一下我们程序中用到的那个XML(保存为xyz.xml)。
电脑网络
程序设计
PHP
www.phpbuilder.com
PHP Manual
它的结构相当简单,根元素就是links,sub代表着一个类别,web就是一个网站的信息,其中包含着属性,url代表网站的联接,memo为备注信息,
现在我们来回答上面提出的问题:为什么要用XML来编制搜索引擎?
第一个原因就是有时候由于各种原因我们可能不能用到数据库(MySQL或者其他);
其次,对于小数据量的搜索引擎来说,它的数据量很小,如果用数据库来做,效率未必有多高;
最重要的一点是,这个搜索引擎维护起来相当的简单,并且不用编写繁琐的数据库的维护的程序。例如,我们要添加一个类别或者网页,只要编辑文本的文件,加上一福紈eb>???或是????就可以了,而且,如果想把一个类别移动到另一个地方的话,我们只要将这一部分的sub复制过去就行了。
下面一个最简单的用PHP显示XML的范例。
下面的程序是将解析XML并按照树形结构输出至浏览器,并显示每层的元素总数。
$file = "demo.xml";// XML文件
function xml_parse_from_file($parser, $file) {// 解析XML文件的函数 }
function start_element($parser, $name, $attrs) {//遇到了开元素标记如就执行这一段}
function stop_element($parser, $name) {//遇到了开元素标记如
就执行这一段}
function data($parser, $data) {……}
function showcount(){ //显示每一层的元素总数}
global $level,$levelcount,$maxlevel;
$level = -1;
$parser = xml_parser_create();// 产生解析器的实例
xml_set_element_handler($parser, "start_element", "stop_element"); // 设置处理函数
xml_set_character_data_handler($parser, "data");
xml_parser_set_option($parser, XML_OPTION_CASE_FOLDING, 0);
$ret = xml_parse_from_file($parser, $file); // 解析文件
if(!$ret) {
die(sprintf("XML error: %s at line %d", xml_error_string(xml_get_error_code($parser)), xml_get_current_line_number($parser)));
}
xml_parser_free($parser); // 释放解析器
showcount();
?>
在上面的程序的基础上,可以显示一段子树,我们依照元素的层数和他在该层的第几号来对他进行定位
例如:
links (0,1)
+----web (1,1)
+----sub (1,2)
| +----web (2,1)
| +----sub (2,2)
| | +----web (3,1)
| | +----sub (3,2)
:
:
:
下面的代码是我们的搜索引擎的基础。因为,要显示出一个子类别(如程序设计->PHP->)的信息就要用到他。
……
function start_element($parser, $name, $attrs) {
global $level,$levelcount,$maxlevel,$hide,$lev,$num,$PHP_SELF;
$level += 1;
if($level>$maxlevel)
$maxlevel=$level;
$levelcount[$level]+=1;
if($hide){ //判断是否在子树的范围内,$hide==FALSE 为在
if($level==$lev&&$levelcount[$level]==$num)
$hide=FALSE;
}else{
if($level}
if(!$hide){
……//输出
}
}
function data($parser, $data) {
global $level,$hide;
if(!$hide){
if(trim($data)!=""){ echo trim($data); }
}
}
……
global $hide,$lev,$num,$PHP_SELF;
$level = -1;
$hide = TRUE;
echo "
";
if($lev==""){
$lev=0;$num=1;
}
……
?>
mini的搜索引擎到底如何做呢?
作了若干的铺垫,下面我们就来看一下我们的搜索引擎的主要文件。
第一段为仿sina,yahoo的按照类别查询
第二段为搜索查询部分(把整个树遍历一遍)显示符合的内容。
xml3.php
关键字匹配采用eregi函数,我们假设输入的文字都是不会导致错误的。
已抢65478个
抢已抢29873个
抢已抢16346个
抢已抢8283个
抢已抢10722个
抢已抢21908个
抢