XML代表Extensible Markup Language（eXtensible Markup Language的縮寫，意為可擴(kuò)展的標(biāo)記語言）。XML是一套定義語義標(biāo)記的規(guī)則，這些標(biāo)記將文檔分成許多部件并對(duì)這些部件加以標(biāo)識(shí)。它也是元標(biāo)記語言，即定義了用于定義其他與特定領(lǐng)域有關(guān)的、語義的、結(jié)構(gòu)化的標(biāo)記語言的句法語言。XML是當(dāng)今最熱門的技術(shù)。而PHP也具有分析XML文檔的功能,下面我們將共同探討一下PHP中的XML應(yīng)用的情況。

　　XML概貌

　　談起XML(eXtended Markup Language：可擴(kuò)展標(biāo)記語言)，我們不妨先看一段HTML的代碼：

　　＜html＞ 
　　＜title＞XML＜/title＞ 
　　＜body＞ 
　　＜p＞＜center＞＜font color="red"＞TEXT＜/font＞＜/center＞＜/p＞ 
　　＜a href="www.domain.com"＞＜img src="http://edu.cnzz.cn/NewsInfo/logo.jpg"/＞＜/a＞ 
　　＜/body＞ 
　　＜/html＞ 

　　上面這段代碼從結(jié)構(gòu)上就符合XML的規(guī)則，XML可以理解是包含數(shù)據(jù)的樹形的結(jié)構(gòu)類型：

　　1、引用同一個(gè)元素的時(shí)候，使用一致的大小寫，如＜center＞＜/Center＞就是不符合規(guī)定的 
　　2、任何屬性值(如 href="????")要用""引起來，如＜a href=www.yahoo.com＞就是不正確的
　　3、所有元素必須由打開＜和關(guān)閉＞標(biāo)注組成，元素應(yīng)該形如＜body＞＜/body＞或空元素＜img ... /＞，如果結(jié)尾的 "/＞" 少了"/"就是錯(cuò)誤的代碼 
　　4、所有元素必須彼此嵌套，就像寫程序的循環(huán)一樣，而且，所有的元素必須嵌套于根元素之中，比如上面的代碼所有的內(nèi)容都嵌套于＜html＞＜/html＞之中。 
　　5、元素名稱(即上面的body a p img等)應(yīng)為字母開頭。

　　怎樣應(yīng)用PHP的XML解析器Expat？

　　Expat是PHP腳本語言的XML解析器（同樣稱為XML處理器），可以使程序訪問XML文檔的結(jié)構(gòu)和內(nèi)容。它是一種基于事件的解析器。XML解析器有兩種基本類型：

　　基于樹型的解析器：將XML文檔轉(zhuǎn)換成樹型結(jié)構(gòu)。這類解析器分析整篇文章，同時(shí)提供一個(gè)API來訪問所產(chǎn)生樹的每個(gè)元素。其通用的標(biāo)準(zhǔn)為DOM（文檔對(duì)象模式）。

　　基于事件的解析器：將XML文檔視為一系列的事件。當(dāng)一個(gè)特殊事件發(fā)生時(shí)，解析器將調(diào)用開發(fā)者提供的函數(shù)來處理。基于事件的解析器有一個(gè)XML文檔的數(shù)據(jù)集中視圖，也就是說它集中在XML文檔的數(shù)據(jù)部分，而不是其結(jié)構(gòu)。這些解析器從頭到尾處理文檔，并將類似于－元素的開始、元素的結(jié)尾、特征數(shù)據(jù)的開始等等－事件通過回調(diào)（callback）函數(shù)報(bào)告給應(yīng)用程序。

　　以下是一個(gè)"Hello-World"的XML文檔范例：

＜greeting＞ 
Hello World 
＜/greeting＞ 

　　基于事件的解析器將報(bào)告為三個(gè)事件：

　　開始元素：greeting 
　　CDATA項(xiàng)的開始，值為：Hello World 
　　結(jié)束元素：greeting

　　基于事件的解析器不產(chǎn)生描述文檔的結(jié)構(gòu)，當(dāng)然如果使用Expat，必要時(shí)它一樣可以在PHP中生成完全的原生樹結(jié)構(gòu)。在CDATA項(xiàng)中，基于事件的解析器不會(huì)得到父元素greeting的信息。然而，它提供一個(gè)更底層的訪問，這就使得可以更好地利用資源和更快地訪問。通過這種方式，就沒有必要將整個(gè)文檔放入內(nèi)存；而事實(shí)上，整個(gè)文檔甚至可以大于實(shí)際內(nèi)存值。

　　上面Hello-World的范例雖然包括完整的XML格式，但它是無效的，因?yàn)榧葲]有DTD（文檔類型定義）與其聯(lián)系，也沒有內(nèi)嵌DTD。但是Expat是一個(gè)不檢查有效性的解析器，因此忽略任何與文檔聯(lián)系的DTD。應(yīng)注意的是文檔仍然需要完整的格式，否則Expat（和其他符合XML標(biāo)準(zhǔn)的解析器一樣）將會(huì)隨著出錯(cuò)信息而停止。

　　編譯Expat

　　Expat可以編譯進(jìn)PHP3.0.6版本（或以上）中。從Apache1.3.22開始，Expat已經(jīng)作為Apache的一部分。在Unix系統(tǒng)中，可以通過-with-xml選項(xiàng)配置PHP將其編譯入PHP。

　　如果將PHP編譯為Apache的模塊，而Expat將默認(rèn)作為Apache的一部分。在Windows中，則必須要加載XML動(dòng)態(tài)連接庫。

　　XML范例：XMLstats 
　　我們所要討論的范例是使用Expat來收集XML文檔的統(tǒng)計(jì)數(shù)據(jù)。

　　對(duì)于文檔中每個(gè)元素，以下信息都將被輸出： 
該元素在文檔中使用的次數(shù) 
該元素中字符數(shù)據(jù)的數(shù)量

元素的父元素

元素的子元素 
　　注意：為了演示，我們利用PHP來產(chǎn)生一個(gè)結(jié)構(gòu)來保存元素的父元素和子元素

　用于產(chǎn)生XML解析器實(shí)例的函數(shù)有哪些？

　　用于產(chǎn)生XML解析器實(shí)例的函數(shù)為xml_parser_create()。該實(shí)例將用于以后的所有函數(shù)。這個(gè)思路非常類似于PHP中MySQL函數(shù)的連接標(biāo)記。在解析文檔前，基于事件的解析器通常要求注冊(cè)回調(diào)函數(shù)－用于特定的事件發(fā)生時(shí)調(diào)用。Expat沒有例外事件，它定義了如下七個(gè)可能事件：

對(duì)象 XML解析函數(shù) 描述 
元素 xml_set_element_handler() 元素的開始和結(jié)束 
字符數(shù)據(jù) xml_set_character_data_handler() 字符數(shù)據(jù)的開始 
外部實(shí)體 xml_set_external_entity_ref_handler() 外部實(shí)體出現(xiàn)  
未解析外部實(shí)體 xml_set_unparsed_entity_decl_handler() 未解析的外部實(shí)體出現(xiàn) 
處理指令 xml_set_processing_instruction_handler() 處理指令的出現(xiàn) 
記法聲明 xml_set_notation_decl_handler() 記法聲明的出現(xiàn) 
默認(rèn) xml_set_default_handler() 其它沒有指定處理函數(shù)的事件

　　所有的回調(diào)函數(shù)必須將解析器的實(shí)例作為其第一個(gè)參數(shù)（此外還有其它參數(shù)）。

　　對(duì)于本文最后的范例腳本，需要注意的是它既用到了元素處理函數(shù)又用到了字符數(shù)據(jù)處理函數(shù)。元素的回調(diào)處理函數(shù)通過xml_set_element_handler()來注冊(cè)。

　　這個(gè)函數(shù)需要三個(gè)參數(shù)：

　　解析器的實(shí)例 
　　處理開始元素的回調(diào)函數(shù)的名稱 
　　處理結(jié)束元素的回調(diào)函數(shù)的名稱

　　當(dāng)開始解析XML文檔時(shí)，回調(diào)函數(shù)必須存在。它們必須定義為與PHP手冊(cè)中所描述的原型一致。

　　例如，Expat將三個(gè)參數(shù)傳遞給開始元素的處理函數(shù)。在腳本范例中，其定義如下：

　　function start_element($parser, $name, $attrs)

　　$parser是解析器標(biāo)志，$name是開始元素的名稱，$attrs為包含元素所有屬性和值的數(shù)組。

　　一旦開始解析XML文檔，Expat在遇到開始元素是都將調(diào)用start_element()函數(shù)并將參數(shù)傳遞過去。

　　XML的Case Folding選項(xiàng)

　　用xml_parser_set_option()函數(shù)將Case folding選項(xiàng)關(guān)閉。這個(gè)選項(xiàng)默認(rèn)是打開的，使得傳遞給處理函數(shù)的元素名自動(dòng)轉(zhuǎn)換為大寫。但XML對(duì)大小寫是敏感的（所以大小寫對(duì)統(tǒng)計(jì)XML文檔是非常重要的）。對(duì)于我們的范例，case folding選項(xiàng)必須關(guān)閉。

　　如何對(duì)文檔進(jìn)行解析?

　　在完成所有的準(zhǔn)備工作后，現(xiàn)在腳本終于可以解析XML文檔：

　　Xml_parse_from_file()，一個(gè)自定義的函數(shù)，打開參數(shù)中指定的文件，并以4kb的大小進(jìn)行解析 
xml_parse()，和xml_parse_from_file()一樣，當(dāng)發(fā)生錯(cuò)誤時(shí)，即XML文檔的格式不完全時(shí)，將會(huì)返回false。

　　我們可以使用xml_get_error_code()函數(shù)來得到最后一個(gè)錯(cuò)誤的數(shù)字代碼。將此數(shù)字代碼傳遞給xml_error_string()函數(shù)即可得到錯(cuò)誤的文本信息。輸出XML當(dāng)前的行數(shù)，使得調(diào)試更容易。

　　當(dāng)解析文檔時(shí)，對(duì)于Expat需要強(qiáng)調(diào)問題的是：如何保持文檔結(jié)構(gòu)的基本描述？

　　如前所述，基于事件的解析器本身并不產(chǎn)生任何結(jié)構(gòu)信息。不過標(biāo)簽(tag)結(jié)構(gòu)是XML的重要特性。例如，元素序列＜book＞＜title＞表示的意思不同于＜figure＞＜title＞。書名和圖名是沒有關(guān)系的，雖然它們都用到"title"這個(gè)術(shù)語。因此，為了更有效地使用基于事件的解析器處理XML，必須使用自己的棧(stacks)或列表(lists)來維護(hù)文檔的結(jié)構(gòu)信息。

　　為了產(chǎn)生文檔結(jié)構(gòu)的鏡像，腳本至少需要知道目前元素的父元素。用Exapt的API是無法實(shí)現(xiàn)的，它只報(bào)告目前元素的事件，而沒有任何前后關(guān)系的信息。因此，需要建立自己的棧結(jié)構(gòu)。

　　腳本范例使用先進(jìn)后出(FILO)的棧結(jié)構(gòu)。通過一個(gè)數(shù)組，棧將保存全部的開始元素。對(duì)于開始元素處理函數(shù)，目前的元素將被array_push()函數(shù)推到棧的頂部。相應(yīng)的，結(jié)束元素處理函數(shù)通過array_pop()將最頂?shù)脑�素移走�?/p>

　　對(duì)于序列＜book＞＜title＞＜/title＞＜/book＞，棧的填充如下：

　　開始元素book：將"book"賦給棧的第一個(gè)元素($stack[0])。 
　　開始元素title：將"title"賦給棧的頂部($stack[1])。 
　　結(jié)束元素title：從棧中將最頂部的元素移去($stack[1])。 
　　結(jié)束元素title：從棧中將最頂部的元素移去($stack[0])。

　　PHP3.0通過一個(gè)$depth變量手動(dòng)控制元素的嵌套來實(shí)現(xiàn)范例，這就使腳本看起來比較復(fù)雜。PHP4.0通過array_pop()和array_push()兩個(gè)函數(shù)來使腳本看起來更簡(jiǎn)潔。

　　如何收集XML文檔中的元素信息？

　　為了收集每個(gè)元素的信息，腳本需要記住每個(gè)元素的事件。通過使用一個(gè)全局的數(shù)組變量$elements來保存文檔中所有不同的元素。數(shù)組的項(xiàng)目是元素類的實(shí)例，有4個(gè)屬性（類的變量）

　　$count -該元素在文檔中被發(fā)現(xiàn)的次數(shù) 
　　$chars -元素中字符事件的字節(jié)數(shù) 
　　$parents -父元素 
　　$childs - 子元素

　　注意：PHP的一個(gè)特性是你可以通過while(list() = each())loop遍歷整個(gè)類結(jié)構(gòu)，如同你遍歷整個(gè)相應(yīng)的數(shù)組一樣。所有的類變量（當(dāng)你用PHP3.0時(shí)還有方法名）都以字符串的方式輸出。

　　當(dāng)發(fā)現(xiàn)一個(gè)元素時(shí)，我們需要增加其相應(yīng)的記數(shù)器來跟蹤它在文檔中出現(xiàn)多少次。在相應(yīng)的$elements項(xiàng)中的記數(shù)元素也要加一。

　　我們同樣要讓父元素知道目前的元素是它的子元素。因此，目前元素的名稱將會(huì)加入到父元素的$childs數(shù)組的項(xiàng)目中。最后，目前元素應(yīng)該記住誰是它的父元素。所以，父元素被加入到目前元素$parents數(shù)組的項(xiàng)目中。

　　顯示統(tǒng)計(jì)信息

　　剩下的代碼在$elements數(shù)組和其子數(shù)組中循環(huán)顯示其統(tǒng)計(jì)結(jié)果。這就是最簡(jiǎn)單的嵌套循環(huán)，盡管輸出正確的結(jié)果，但代碼既不簡(jiǎn)潔又沒有任何特別的技巧，它僅僅是一個(gè)你可能每天用他來完成工作的循環(huán)。

　腳本范例被設(shè)計(jì)為通過PHP的CGI方式的命令行來調(diào)用。因此，統(tǒng)計(jì)結(jié)果輸出的格式為文本格式。如果你要將腳本運(yùn)用到互聯(lián)網(wǎng)上，那么你需要修改輸出函數(shù)來產(chǎn)生HTML格式。

　　如何用PHP&XML編制一個(gè)迷你搜索引擎實(shí)例？

　　讓我們首先來熟悉一下我們程序中用到的那個(gè)XML（保存為xyz.xml）。

＜?xml version="1.0" encoding="gb2312" ?＞
＜links＞采用PHP和XML技術(shù)構(gòu)建的搜索引擎 
＜web memo="memo1" url=""＞name1＜/web＞ 
＜sub＞電腦網(wǎng)絡(luò) 
＜web memo="nemo2"＞name2＜/web＞ 
＜sub＞程序設(shè)計(jì) 
＜web memo="memo3"＞name3＜/web＞ 
＜sub＞PHP 
＜web url="http://www.phpbuilder.com/" memo="[英文]PHP開發(fā)資源。"＞ 
www.phpbuilder.com＜/web＞ 
＜web url="http://www.fokus.gmd.de" memo="[英文]PHP開發(fā)手冊(cè)。 "＞ 
PHP Manual＜/web＞ 
＜/sub＞ 
＜/sub＞ 
＜/sub＞ 
＜/links＞

　　它的結(jié)構(gòu)相當(dāng)簡(jiǎn)單，根元素就是links，sub代表著一個(gè)類別，web就是一個(gè)網(wǎng)站的信息，其中包含著屬性，url代表網(wǎng)站的聯(lián)接，memo為備注信息，＜web＞？？＜/web＞ 、＜sub＞？？＜/sub＞中包含的為元素的數(shù)據(jù)在這里就是類別和網(wǎng)站的名稱，這是符合上面的規(guī)定的。

　　現(xiàn)在我們來回答上面提出的問題：為什么要用XML來編制搜索引擎？
　　第一個(gè)原因就是有時(shí)候由于各種原因我們可能不能用到數(shù)據(jù)庫（MySQL或者其他）；
　　其次，對(duì)于小數(shù)據(jù)量的搜索引擎來說，它的數(shù)據(jù)量很小，如果用數(shù)據(jù)庫來做，效率未必有多高；

　　最重要的一點(diǎn)是，這個(gè)搜索引擎維護(hù)起來相當(dāng)?shù)暮?jiǎn)單，并且不用編寫繁瑣的數(shù)據(jù)庫的維護(hù)的程序。例如，我們要添加一個(gè)類別或者網(wǎng)頁，只要編輯文本的文件，加上一福紈eb＞???＜/web＞或是＜sub＞????＜/sub＞就可以了，而且，如果想把一個(gè)類別移動(dòng)到另一個(gè)地方的話，我們只要將這一部分的sub復(fù)制過去就行了。

　　下面一個(gè)最簡(jiǎn)單的用PHP顯示XML的范例。

　　下面的程序是將解析XML并按照樹形結(jié)構(gòu)輸出至瀏覽器，并顯示每層的元素總數(shù)。

＜?php
$file = "demo.xml";// XML文件
function xml_parse_from_file($parser, $file) {// 解析XML文件的函數(shù) }
function start_element($parser, $name, $attrs) {//遇到了開元素標(biāo)記如＜a href="link"＞就執(zhí)行這一段}
function stop_element($parser, $name) {//遇到了開元素標(biāo)記如＜/body＞就執(zhí)行這一段}
function data($parser, $data) {……}
function showcount(){ //顯示每一層的元素總數(shù)}

global $level,$levelcount,$maxlevel; 
$level = -1; 
$parser = xml_parser_create();// 產(chǎn)生解析器的實(shí)例 
xml_set_element_handler($parser, "start_element", "stop_element"); // 設(shè)置處理函數(shù) 
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); // 釋放解析器 
showcount();
?＞ 

　　在上面的程序的基礎(chǔ)上，可以顯示一段子樹，我們依照元素的層數(shù)和他在該層的第幾號(hào)來對(duì)他進(jìn)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） 
　　　　: 
　　　　: 
　　　　: 

　　下面的代碼是我們的搜索引擎的基礎(chǔ)。因?yàn)椋�要顯示出一個(gè)子類別（如程序設(shè)計(jì)-＞PHP-＞）的信息就要用到他。

＜?php
……
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($hide){ //判斷是否在子樹的范圍內(nèi)，$hide==FALSE 為在 
if($level==$lev&&$levelcount[$level]==$num)
$hide=FALSE; 
}else{ 
if($level＜=$lev)$hide=TRUE; 
}

if(!$hide){ 
……//輸出
} 
}
function data($parser, $data) { 
global $level,$hide; 
if(!$hide){ 
if(trim($data)!=""){ echo trim($data); } 
}
}
……
global $hide,$lev,$num,$PHP_SELF; 
$level = -1; 
$hide = TRUE; 
echo "＜p＞＜a href=$PHP_SELF＞Root＜/a＞＜/p＞"; 
if($lev==""){
$lev=0;$num=1;
}
……
?＞

　　mini的搜索引擎到底如何做呢？

　　作了若干的鋪墊，下面我們就來看一下我們的搜索引擎的主要文件。

　　第一段為仿sina，yahoo的按照類別查詢 
　　第二段為搜索查詢部分(把整個(gè)樹遍歷一遍)顯示符合的內(nèi)容。

　　xml3.php

　　關(guān)鍵字匹配采用eregi函數(shù)，我們假設(shè)輸入的文字都是不會(huì)導(dǎo)致錯(cuò)誤的。

關(guān)鍵字：PHP、XML、規(guī)則