Низът за зареждане на Simplexml не работи. Обработка на SimpleXML с PHP. Намиране на името на канала

Библиотека за маркиране за парсване на XML с PHP

PHP версия 5 представя SimpleXML, нов интерфейс за програмиране на приложения (API) за четене и писане на XML. SimpleXML разширения като

изберете елементи от документа. Стига да имате добра представа за структурата на вашия документ, писането на тези изрази е лесно. Ако обаче не знаете точно къде се появяват интересуващите ви елементи (какъвто е случаят с Docbook, HTML и други подобни текстови документи), SimpleXML може да използва XPath изрази, за да намери тези елементи.

Първи стъпки с SimpleXML

Да приемем, че искате да създадете PHP страница, която преобразува RSS емисия в HTML код. RSSе основният XML формат за публикуване на съдържание от множество източници. Основният елемент на този документ е rss, който съдържа един елемент на канала. Елементът на канала съдържа метаданни за съдържанието, включително неговото заглавие, език и URL адрес. Той също така съдържа различни текстови елементи, вложени в елементи на елемент. Всеки елемент на елемент има елемент на връзка, който съдържа URL адрес или заглавие, или описание (обикновено и двете), които съдържат четим текст. Не се използват пространства от имена. Разбира се, има още какво да се каже за RSS, но за целите на тази статия информацията е достатъчна. показва типичен пример с няколко информационни съобщения.

Списък 1. RSS емисия

Нека направим PHP страница, която форматира всяка RSS емисия като HTML. показва структурата на бъдещата страница.

Листинг 2. Статична структура за PHP код

Разбор на XML документ

Първата стъпка е да анализирате XML документа и да го съхраните в променлива. Това изисква написването само на един ред код, който предава URL адреса на функцията simplexml_load_file():

Внимание

Използваната тук схема е опасно далеч от оптималната. Наистина не трябва да изтеглям и анализирам RSS емисията при всяко посещение на страницата. Това забавя читателите на страницата и е потенциален отказ на услуга за RSS емисиите, които изтеглям, тъй като повечето от тях задават максималната си скорост на актуализиране на около веднъж на час. Истинското решение на този проблем е да се кешира или генерираната HTML страница, или RSS емисиите, или и двете. Този въпрос обаче е в противоречие с използването на библиотеката SimpleXML, така че тук малко преувеличавам.

За този пример взех страница от канала Userland Ню Йорк Таймсна http://partners.userland.com/nytRss/nytHomepage.xml. Разбира се, вместо това можете да използвате всеки друг URL адрес за различен RSS канал.

Имайте предвид, че въпреки името simplexml_load_ файл(), тази функция ще трябва да анализира XML документа на отдалечения HTTP URL адрес. Но това не е единствената изненада в тази функция. Върнатата стойност на функцията, която се съхранява тук в променливата $rss, не сочи към целия документ, както бихте могли да очаквате от опита с други API, като Document Object Model (DOM). По-скоро сочи към основния елемент на документа. Съдържанието, което е в пролога и епилога на документа, не е достъпно от SimpleXML.

Намиране на името на канала

Името на целия канал (за разлика от заглавията на отделните текстови части на този канал) е в дъщерния елемент на заглавието на елемента на канала, който произлиза от коренния елемент на rss. Можете да заредите този хедър, сякаш XML документът е само сериализирана форма на rss обект с поле канал, което от своя страна би имало поле заглавие. Използвайки обикновен PHP референтен синтаксис на обект, този оператор намира заглавката:

След като намерите заглавието, трябва да го добавите към HTML изхода. Лесно е да се направи: повторете променливата $title:

Този ред извежда низовата стойност на елемента, но не целия елемент. Тоест текстът се записва, но таговете не.

Можете дори да пропуснете изцяло междинната променлива $title:

Тъй като тази страница използва повторно тази стойност на много места, намирам за по-удобно да я съхранявам като променлива с описателно заглавие.

Итерация през елементи

Каналите обаче обикновено съдържат повече от един елемент. А може и изобщо да не съществуват. Съответно този оператор връща масив, който можете да итерирате с цикъл for-each:

Списък 3. Прост, но завършен RSS четец на PHP

Това е всичко, което е необходимо, за да напишете прост RSS четец на PHP - няколко реда HTML и няколко реда PHP. Без интервали, общо 20 реда. Разбира се, това не е най-богатата на функции, оптимизирана или надеждна разработка. Нека да видим какво можем да направим, за да поправим това.

Обработка на грешка

Не всички RSS емисии са толкова добре оформени, колкото би трябвало да бъдат. XML спецификацията изисква процесорите да спрат обработката на документи веднага щом бъде открита формална грешка, а SimpleXML отговаря на програмата за обработка на XML. Това обаче няма да ви помогне много, когато се открие грешка. Обикновено програмата записва предупреждение във файла за грешка на php (но без подробно съобщение за грешка) и функцията simplexml-load-file() извежда грешка. Ако не сте сигурни дали файлът, който анализирате, е добре изграден, проверете за тази грешка, преди да използвате данните от файла, както е показано в .

Списък 4. Пазете се от неправилен вход

Друга често срещана грешка се случва, когато документът е добре форматиран, но не съдържа елементите, които очаквате, където очаквате да бъдат. Какво се случва например с такъв израз $doc->rss->channel->item->title , когато групата елементи няма заглавие (както се случва с поне един от стоте най-чести RSS емисии)? Най-простият подход е винаги да се третира върнатата стойност на функция като масив от данни и да се обвие в цикъл. В този случай вие сте защитени от факта, че има повече или по-малко елементи, отколкото сте очаквали. Въпреки това, ако знаете, че искате първия елемент в документа, дори ако има повече от един, можете да направите заявка за него чрез индекс, базиран на нула. Например, за да поискате заглавието на първата група елементи, можете да напишете:

Ако първата група от елементи липсва или няма име, тя се третира по същия начин като всеки друг индекс извън границите в PHP масив. Тоест резултатът е нула, което се превръща в празен низ, когато се опитате да го поставите в изходния HTML код.

Разпознаването и отхвърлянето на неочаквани формати, с които не сте подготвени да работите, обикновено е домейн на валидиращ XML парсер. SimpleXML обаче не може да валидира спрямо DTD шаблон (DTD) или схема на данни. Проверява само формалната коректност.

Как се работи с пространство от имена

Много сайтове днес преминават от RSS към Atom. показва примерен документ в Atom. Този документ е идентичен в много отношения с примера за RSS. Тук обаче има повече метаданни и основният елемент е feed вместо rss. Елементът feed има списъци вместо елементи. Елементът съдържание замества елемента описание. По-важното е, че Atom документ използва пространство от имена, докато RSS не го прави. По този начин Atom документ може да изведе истинско, неизрязано съдържание на Extensible HTML (XHTML).

Списък 5. Документ в Atom

Въпреки че имената на елементите са променени, основният подход за работа със SimpleXML в документи в Atom е същият като при RSS. Единствената разлика е, че трябва да посочите пространството от имена, т.е. Uniform Resource Identifier (URI), когато поискате елемент с име, точно като локално име. Това е процес в две стъпки: първо, заявете дъщерните елементи в даденото пространство от имена, като подадете URI на пространството от имена към функцията children(). След това потърсете елементи с правилното локално име в това пространство от имена. Представете си, че първо сте заредили Atom feed в променливата $feed, така:

Тези два реда сега намират заглавния елемент:

Можете да съкратите този код в един израз, ако желаете, въпреки че низът става малко дълъг. Всички други елементи в пространствата от имена трябва да се обработват по същия начин. показва пълна PHP страница, която показва заглавките от наименуваната Atom тръба.

Листинг 6. Прост PHP четец на заглавки Atom

Смесено съдържание

Защо показах само заглавките в този пример? Тъй като в Atom съдържанието на всеки списък може да съдържа пълния текст на фрагмента и не само самия текст, но и цялото маркиране. То - наративна структура: думите в един ред са предназначени да бъдат прочетени от хората. Както при повечето данни от този вид, тук има смесено съдържание. XML вече не е опростен и така подходът SimpleXML започва да се проваля. Не може да работи правилно със смесено съдържание и това пропускане на данни изключва използването в много случаи.

Можете да направите едно нещо, но това е само частично решение на проблема. Ще работи само защото елементът на съдържанието съдържа истински XHTML. Можете да копирате този XHTML като неанализиран изходен код директно в крайния продукт, като използвате функцията asXML(), например, както следва:

Резултатът ще бъде нещо подобно.

Листинг 7. XML изход

Това не е чист XHTML. Елементът на съдържанието се извлича от Atom на документа и всъщност е по-добре да го нямате. Дори по-лошо, той влиза в грешното пространство на имената, така че не може да бъде разпознат какво представлява. За щастие този допълнителен елемент не вреди много на практика, тъй като уеб браузърите просто игнорират всички етикети, които не разпознават. Готовият документ е дефектен, но това няма особено значение. Ако наистина ви притеснява, анулирайте го с операции с низове, като това:

За да направите кода малко по-стабилен, използвайте регулярен израз, вместо да приемате, че началният таг е точно както е показано по-горе. По-специално можете да изчислите много възможни атрибути:

Дори и с тази модификация вашият код може да издава коментари, изчислителни команди и CDATA парчета. Така или иначе го отрязвате, макар че се страхувам, че вече не е толкова лесно. Смесеното съдържание просто преминава границите, в които SimpleXML е проектиран да работи.

XPath

Изрази като $rss->channel->item->title са чудесни само ако знаете точно какви елементи има в документа и точно къде се намират. Вие обаче не винаги знаете това. Например в XHTML елементите в заглавката (h1, h2, h3 и т.н.) могат да бъдат деца на body, div, table и няколко други елемента. Освен това div, table, blockquote и други елементи могат да бъдат вложени многократно. За много по-малко специфични случаи на употреба е по-лесно да използвате XPath изрази като //h1 или //h1. SimpleXML има този набор от функционалности чрез функцията xpath().

Листинг 9. Използване на XPath с пространства от имена

Едно последно предупреждение: XPath в PHP е доста бавен. Зареждането на страницата може да отнеме от момент до няколко секунди, когато превключа към този XPath израз, дори на ненатоварен локален сървър. Ако използвате тези трикове, трябва да използвате някакъв вид кеширане, за да работите интелигентно. Динамичното генериране на всяка страница просто няма да работи.

Заключение

SimpleXML е полезно допълнение към инструментариума на PHP разработчиците, стига да не е необходимо да работите със смесено съдържание. Това обхваща голям брой случаи на употреба. Това работи особено добре с прости данни под формата на записи. Докато документът не е твърде задълбочен, твърде сложен и няма смесено съдържание, SimpleXML е много по-опростен от своята DOM алтернатива. Също така помага, ако знаете структурата на документа преди време, въпреки че използването на XPath може да облекчи много това изискване. Липсата на валидиране и поддръжка за смесено съдържание е неудобство, а не винаги пречка. Много прости формати нямат смесено съдържание и в много случаи на употреба се използват само много предвидими формати на данни. Ако това е, което характеризира вашата работа, не се колебайте да опитате SimpleXML. С малко внимание към грешките и малко усилия за настройка на кеша, за да се намалят проблемите с производителността до минимум, SimpleXML може да бъде стабилен, толерантен към грешки инструмент за обработка на XML в PHP.

Разборът на XML по същество означава преминаване през XML документ и връщане на съответните данни. Въпреки че нарастващ брой уеб услуги връщат данни във формат JSON, повечето все още използват XML, така че е важно да овладеете анализирането на XML, ако искате да използвате пълния набор от налични API.

Използване на разширението SimpleXMLв PHP, който беше добавен обратно в PHP 5.0, работата с XML е много лесна и проста. В тази статия ще ви покажа как да го направите.

Основи на използването

Да започнем със следния пример езици.xml:

>

> 1972>
> Денис Ричи >
>

> 1995>
> Расмус Лердорф >
>

> 1995>
> Джеймс Гослинг >
>
>

Този XML документ съдържа списък с езици за програмиране с известна информация за всеки език: годината на внедряването му и името на неговия създател.

Първата стъпка е да заредите XML с помощта на функциите simplexml_load_file(), или simplexml_load_string(). Както подсказва името на функциите, първата ще зареди XML от файл, а втората ще зареди XML от низ.

И двете функции четат цялото DOM дърво в паметта и връщат обект SimpleXMLElement. В горния пример обектът се съхранява в променливата $languages ​​​​. Можете да използвате функции var_dump()или print_r()за да получите подробна информация за върнатия обект, ако желаете.

Обект SimpleXMLElement
[lang] => Масив
[ 0 ] => SimpleXMLElementObject
[@attributes] => Масив
[име] => C
[появил се] => 1972г
[ създател] => Денис Ричи
[ 1 ] => Обект SimpleXMLElement
[@attributes] => Масив
[име] => PHP
[появил се] => 1995г
[ създател] => Расмус Лердорф
[ 2 ] => Обект SimpleXMLElement
[@attributes] => Масив
[име] => Java
[появил се] => 1995г
[ създател] => Джеймс Гослинг
)
)

Този XML съдържа основния елемент езици, който съдържа три елемента езикВсеки елемент от масива съответства на елемент езикв XML документ.

Можете да получите достъп до свойствата на обект с помощта на оператора -> . Например $languages->lang ще ви върне обект SimpleXMLElement, който съответства на първия елемент език. Този обект съдържа две свойства: появил се и създател.

$languages ​​​​-> lang [0] -> появи се;
$languages ​​​​-> lang [0] -> създател;

Показването на списък с езици и показването на техните свойства е много лесно със стандартен цикъл, като напр за всеки.

foreach ($languages ​​​​-> lang като $lang ) (
printf (
"" ,
$lang["име"],
$lang -> се появи,
$lang -> създател
) ;
}

Забележете как получих достъп до името на атрибута на елемента lang, за да получа името на езика. По този начин можете да получите достъп до всеки атрибут на елемент, представен като SimpleXMLElement обект.

Работа с пространства от имена

Докато работите с XML на различни уеб услуги, често ще срещате пространства от имена на елементи. Нека променим нашите езици.xmlза да покажете пример за използване на пространство от имена:

xmlns:dc =>

> 1972>
> Денис Ричи >
>

> 1995>
> Расмус Лердорф >
>

> 1995>
> Джеймс Гослинг >
>
>

Сега елемент създателпоставени в пространството на имената dc, което сочи към http://purl.org/dc/elements/1.1/. Ако се опитате да отпечатате езиковите създатели, като използвате предишния ни код, това няма да работи. За да прочетете пространства от имена на елементи, трябва да използвате един от следните подходи.

Първият подход е да използвате имената на URI директно в кода, когато се позовавате на пространството от имена на елемента. Следният пример показва как се прави това:

$dc = $languages ​​​​-> lang [ 1 ] -> деца( "http://purl.org/dc/elements/1.1/") ;
ехо $dc -> създател;

Метод деца()взема пространство от имена и връща дъщерни елементи, които започват с префикс. Необходими са два аргумента, първият е XML пространството от имена, а вторият е незадължителен аргумент, който е по подразбиране невярно. Ако вторият аргумент е зададен на TRUE, пространството от имена ще се третира като префикс. Ако е FALSE, тогава пространството от имена ще се третира като пространство от имена на URL.

Вторият подход е да се прочетат URI имената от документа и да се използват при препратка към пространството от имена на елемента. Това всъщност е най-добрият начин за достъп до елементи, защото не е необходимо да сте твърдо кодирани в URI.

$namespaces = $languages ​​​​-> getNamespaces (true) ;
$dc = $languages ​​​​-> lang [ 1 ] -> деца ($namespaces [ "dc" ] );

ехо $dc -> създател;

Метод GetNamespaces()връща масив от имена на префикси и свързаните с тях URI. Необходим е допълнителен параметър, който е по подразбиране невярно. Ако го инсталирате като вярно, тогава този метод ще върне имената, използвани в родителски и дъщерни възли. В противен случай той намира пространства от имена, използвани само в родителския възел.

Сега можете да преминете през списъка с езици по следния начин:

$languages ​​​​= simplexml_load_file ("languages.xml" ) ;
$ns = $languages ​​​​-> getNamespaces (true) ;

foreach ($languages ​​​​-> lang като $lang ) (
$dc = $lang -> деца ($ns [ "dc" ] );
printf (
"

%s се появи в %d и беше създаден от %s.

Казус от практиката – Анализ на видеоканал в YouTube

Нека да разгледаме пример, който получава RSS емисия от YouTube канал и показва връзки към всички видеоклипове от него. За да направите това, моля свържете се със следния адрес:

http://gdata.youtube.com/feeds/api/users/xxx/uploads

URL адресът връща списък с най-новите видеоклипове от дадения канал в XML формат. Ще анализираме XML и ще получим следната информация за всеки видеоклип:

• Линк към видео
• Миниатюрен
• Име

Ще започнем с търсене и зареждане на XML:

$channel = "Име на канал" ;
$url = "http://gdata.youtube.com/feeds/api/users/". $канал. "/качвания" ;
$xml = file_get_contents ($url) ;

$feed = simplexml_load_string ($xml) ;
$ns = $feed -> getNameSpaces (истина);

Ако погледнете XML емисията, можете да видите, че там има няколко елемента. образувание, всеки от които съхранява подробна информация за конкретно видео от канала. Но ние използваме само миниатюри на изображения, адрес и заглавие на видеоклипа. Тези три елемента са деца на елемента група, което от своя страна е дете на влизане:

>
…
>
…


Заглавие... >
…
>
…
>

Просто ще преминем през всички елементи влизане, и извлечете необходимата информация за всеки от тях. забележи, че играч, миниатюраи заглавиеса в пространството на имената на медиите. Следователно трябва да продължим както в предишния пример. Получаваме имената от документа и използваме пространството от имена, когато се позоваваме на елементите.

foreach ($feed -> запис като $entry) (
$group = $entry -> деца ($ns [ "media" ] );
$group = $group -> group ;
$thumbnail_attrs = $group -> миниатюра [ 1 ] -> атрибути ();
$image = $thumbnail_attrs [ "url" ] ;
$player = $group -> player -> attributes () ;
$link = $player["url"] ;
$title = $group -> title ;
printf ( "

Заключение

Сега, когато знаете как да използвате SimpleXMLза да анализирате XML данни, можете да подобрите уменията си, като анализирате различни XML канали с различни API. Но е важно да имате предвид, че SimpleXML чете целия DOM в паметта, така че ако анализирате голям набор от данни, може да ви свърши паметта. За да научите повече за SimpleXML, прочетете документацията.

Ако имате въпроси, моля, използвайте нашия

Имам работа с PHP библиотека на трета страна, която не мога да редактирам и работи добре вече почти година. Той използва simplexml_load_string, за да отговори от отдалечения сървър. Напоследък се задушава от големи отговори. Това е емисия с данни за обекти на недвижими имоти и също така форматът изглежда по следния начин:

sysid 1 2 3 4 5 6 252370080 Жилищен 0,160 № ADDR0 06051 252370081 Жилищен 0,440 Да ADDR0 06043 252370082 Жилищен 1.010 № ADDR0 06023 Още текст, разделен с разделители

Изтеглих примерен файл с отговори (около 22MB), там се озовах с моето отстраняване на грешки и здравия разум. И двата сървъра работят с PHP версия 5.3.8, но имайте предвид различните резултати. Почти съм сигурен, че и двата файла са еднакви (предполагам, че различните типове файлове, strlen и последните 50 знака могат да бъдат обяснени с нови редове на Windows, които имат допълнителен знак за връщане на каретка). Сценарий на теста:

съобщаване на грешка (-1); ini_set("показване_грешки", 1); $file = "error-example.xml"; $xml = file_get_contents($file); echo "размер на файла: "; var_dump(размер на файла($файл)); ехо "strlen: "; var_dump(strlen($xml)); echo "simplexml обект?"; var_dump(is_object(simplexml_load_string($xml))); echo "Последните 50 знака: "; var_dump(substr($xml, -50));

Изход локално в Windows:

Размер на файл: int(21893604) strlen: int(21893604) simplexml обект? bool(true) Последни 50 знака: string(50) "RD DR CT Watertown 203-555-5555 "

Изход на отдалечен UNIX сървър:

Размер на файла: int(21884093) strlen: int(21884093) simplexml обект? Предупреждение: simplexml_load_string(): Обект: ред 9511: грешка на анализатора: вътрешна грешка в /path/to/test.php на ред 19 Предупреждение: simplexml_load_string(): ПОВРЕМЕН ТАВАН ВЪВ ФОАЙЕ, ТУХЛА FP В FR, НОВ ПОДОВ В LR DR FR FOYER KITCHEN в /path/to/test.php на ред 19 Предупреждение: simplexml_load_string(): ^в /path/to/test.php на ред 19 Предупреждение: simplexml_load_string(): Обект: ред 9511: грешка на анализатора: Допълнително съдържание в края на документа в /path/to/test.php на ред 19 Предупреждение: simplexml_load_string(): ПОВРЕМЕН ТАВАН ВЪВ ФОАЙЕ, ТУХЛА FP В FR, НОВ ПОДОВ ВЪВ LR DR FR ФОАЙЕР КУХНЯ в /path/to/test.php на ред 19 Предупреждение: simplexml_load_string(): ^in /path/to/test.php на ред 19 bool(false) Последни 50 знака: string(50) "ORD DR CT Watertown 203-555-5555 "

Някои отговори на коментари и допълнителна информация:

Самият XML изглежда валиден, доколкото мога да преценя (и той правиработа на моята система).

magic_quotes_runtime определено е изключен.

Работещият сървър е с libxml версия 2.7.7, а другият е с 2.7.6. Може ли наистина да има значение? Не можах да намеря регистъра на промените на libxml, но това изглежда малко вероятно.

Това се случва само ако отговорът/файлът е над определен размер и грешката винаги възниква на следващия ред.

Не срещам проблеми с паметта, тестовият скрипт се изпълнява незабавно.

Има разлики в PHP конфигурациите, които мога да публикувам, ако знам кои са подходящи. Някаква идея какъв може да е проблемът или знам нещо друго, което мога да проверя?

SimpleXMLElement->asXML

SimpleXMLElement->asXML -- Връща добре оформен XML документ

Описание

Смесен SimpleXMLElement->asXML()

Методът asXML генерира данни в XML версия 1.0.

Списък с параметри
име на файл
Ако е зададен, методът ще записва данни в посочения файл.
Върнати стойности
Ако е указано име на файл, методът ще запише XML данните в посочения файл. В противен случай методът ще върне XML данните като низ.
Забележки
Ако изходният документ посочи кодирането на XML документа в заглавките с помощта на параметъра за кодиране, тогава методът asXML ще върне XML документа в указаното кодиране. Промяната на кодирането на XML документ с помощта на разширението SIMPLEXML не е възможна.
Примери
Пример 1: Изходен XML

$низ =<<

текст
неща


код

XML

ехо $xml->asXML(); //текстнеща
...?>

Методът asXML може да работи и с Xpath:

Пример 2: Използване на метода asXML() с Xpath

// Продължение на примера по-горе.
/* Търсене */
$резултат = $xml->xpath("/a/b/c");
докато (списък (, $ възел) = всеки ($ резултат)) (
echo $node->asXML(); // тексти неща
}
?>

SimpleXMLElement->атрибути

SimpleXMLElement->attributes -- Връща атрибутите на елемента.

Описание

SimpleXMLElement simplexml_element->attributes()

Тази функция връща имената и стойностите на атрибутите на избрания xml елемент. Забележка: SimpleXML има правило за добавяне на итеративни свойства към повечето методи. Те не могат да бъдат проверени с помощта на var_dump() или друг анализатор на обекти.

Пример 1: Интерпретиране на XML низ

$низ =<<
[имейл защитен]

XML
$xml = simplexml_load_string($string);
foreach($xml->users->attributes() като $a => $b) (
ехо $a,"="",$b,"\"\n";
}
?>

Този пример ще изведе:

Име="Евген"
възраст = "27

SimpleXMLElement->children

SimpleXMLElement->children -- Връща дъщерните елементи за дадения елемент

Описание

SimpleXMLElement simplexml_element->children()

Този метод намира дъщерните елементи за дадения елемент.

Забележка: SimpleXML има правило за добавяне на итеративни свойства към повечето методи. Те не могат да бъдат проверени с помощта на var_dump() или друг анализатор на обекти.

Пример 1: Използване на метода children().

$xml = simplexml_load_string(
"










");
ехо "

";
foreach ($xml->children() като $site) (
ехо "
" .$site["име"];
foreach ($site->children() като $subsite) (
ехо "
" .$subsite["име"];
}
}
ехо "