กำลังแยกวิเคราะห์เอกสาร xml แยกวิเคราะห์ข้อมูล XML การสร้างอินสแตนซ์ตัวแยกวิเคราะห์

การแยกวิเคราะห์ XML เป็นหลักหมายถึงการเดินผ่านเอกสาร XML และส่งคืนข้อมูลที่เกี่ยวข้อง แม้ว่าบริการเว็บจำนวนมากส่งคืนข้อมูลในรูปแบบ JSON แต่ส่วนใหญ่ยังคงใช้ XML ดังนั้นจึงเป็นสิ่งสำคัญที่จะต้องเชี่ยวชาญการแยกวิเคราะห์ XML หากคุณต้องการใช้ API ที่มีอยู่อย่างเต็มรูปแบบ

การใช้ส่วนขยาย SimpleXMLใน PHP ซึ่งเพิ่มกลับมาใน PHP 5.0 การทำงานกับ XML นั้นง่ายและสะดวกมาก ในบทความนี้ ฉันจะแสดงวิธีการทำ

พื้นฐานของการใช้งาน

เริ่มต้นด้วยตัวอย่างต่อไปนี้ languages.xml:

>

> 1972>
> เดนนิส ริตชี่ >
>

> 1995>
> ราสมุส เลอร์ดอร์ฟ >
>

> 1995>
> เจมส์ กอสลิง >
>
>

เอกสาร XML นี้ประกอบด้วยรายการภาษาการเขียนโปรแกรมพร้อมข้อมูลบางอย่างเกี่ยวกับแต่ละภาษา: ปีที่นำไปใช้และชื่อผู้สร้าง

ขั้นตอนแรกคือการโหลด XML โดยใช้ฟังก์ชันต่างๆ simplexml_load_file(), หรือ simplexml_load_string()- ตามที่ชื่อของฟังก์ชันแนะนำ อันแรกจะโหลด XML จากไฟล์ และอันที่สองจะโหลด XML จากสตริง

ฟังก์ชันทั้งสองอ่านแผนผัง DOM ทั้งหมดลงในหน่วยความจำและส่งกลับวัตถุ SimpleXMLElement- ในตัวอย่างข้างต้น ออบเจ็กต์จะถูกจัดเก็บไว้ในตัวแปร $ languages ​​​​ คุณสามารถใช้ฟังก์ชั่นต่างๆ var_dump()หรือ พิมพ์_r()เพื่อรับรายละเอียดเกี่ยวกับวัตถุที่ส่งคืนหากคุณต้องการ

วัตถุ SimpleXMLElement
[lang] => อาร์เรย์
[ 0 ] => วัตถุ SimpleXMLElement
[@attributes] => อาร์เรย์
[ชื่อ] => ซี
[ปรากฏ] => 1972
[ผู้สร้าง] => เดนนิส ริตชี่
[ 1 ] => วัตถุ SimpleXMLElement
[@attributes] => อาร์เรย์
[ชื่อ] => PHP
[ปรากฏ] => 1995
[ผู้สร้าง] => ราสมุส เลอร์ดอร์ฟ
[ 2 ] => วัตถุ SimpleXMLElement
[@attributes] => อาร์เรย์
[ชื่อ] => ชวา
[ปรากฏ] => 1995
[ผู้สร้าง] => เจมส์ กอสลิง
)
)

XML นี้มีองค์ประกอบราก ภาษาซึ่งภายในมีองค์ประกอบอยู่ 3 ประการ หลางแต่ละองค์ประกอบอาร์เรย์สอดคล้องกับองค์ประกอบ หลางในเอกสาร XML

คุณสามารถเข้าถึงคุณสมบัติของวัตถุโดยใช้ตัวดำเนินการ -> - ตัวอย่างเช่น $ languages->lang จะส่งคืนออบเจ็กต์ SimpleXMLElement ที่ตรงกับองค์ประกอบแรกให้กับคุณ หลาง- วัตถุนี้มีคุณสมบัติสองประการ: ปรากฏ และ ผู้สร้าง

$ ภาษา -> lang [ 0 ] -> ปรากฏ ;
$ภาษา -> lang [ 0 ] -> ผู้สร้าง ;

การแสดงรายการภาษาและการแสดงคุณสมบัติสามารถทำได้ง่ายมากโดยใช้ลูปมาตรฐานเช่น foreach.

foreach ($ภาษา -> lang เป็น $lang ) (
พิมพ์f(
"" ,
$lang [ "ชื่อ" ] ,
$lang -> ปรากฏ ,
$lang -> ผู้สร้าง
) ;
}

สังเกตว่าฉันเข้าถึงชื่อแอตทริบิวต์ lang ขององค์ประกอบเพื่อรับชื่อภาษาได้อย่างไร วิธีนี้คุณสามารถเข้าถึงแอตทริบิวต์ใด ๆ ขององค์ประกอบที่แสดงเป็นวัตถุ SimpleXMLElement

การทำงานกับเนมสเปซ

ในขณะที่ทำงานกับ XML ของบริการเว็บต่างๆ คุณจะพบกับเนมสเปซองค์ประกอบมากกว่าหนึ่งครั้ง มาเปลี่ยนของเรากันเถอะ languages.xmlเพื่อแสดงตัวอย่างการใช้เนมสเปซ:

xmlns:dc =>

> 1972>
> เดนนิส ริตชี่ >
>

> 1995>
> ราสมุส เลอร์ดอร์ฟ >
>

> 1995>
> เจมส์ กอสลิง >
>
>

ตอนนี้องค์ประกอบ ผู้สร้างพอดีกับเนมสเปซ ดีซีซึ่งชี้ไปที่http://purl.org/dc/elements/1.1/ หากคุณพยายามพิมพ์ผู้สร้างภาษาโดยใช้รหัสก่อนหน้าของเรา มันจะไม่ทำงาน ในการอ่านเนมสเปซองค์ประกอบ คุณต้องใช้วิธีใดวิธีหนึ่งต่อไปนี้

วิธีแรกคือการใช้ชื่อ URI โดยตรงในโค้ดเมื่อเข้าถึงเนมสเปซองค์ประกอบ ตัวอย่างต่อไปนี้แสดงวิธีการดำเนินการนี้:

$dc = $ภาษา -> lang [ 1 ] -> เด็ก ๆ( "http://purl.org/dc/elements/1.1/") ;
ก้อง $dc -> ผู้สร้าง ;

วิธี เด็ก()ใช้เนมสเปซและส่งกลับองค์ประกอบลูกที่ขึ้นต้นด้วยคำนำหน้า ต้องใช้สองอาร์กิวเมนต์ ข้อแรกคือเนมสเปซ XML และข้อที่สองคืออาร์กิวเมนต์ทางเลือกซึ่งเป็นค่าเริ่มต้น เท็จ- หากอาร์กิวเมนต์ที่สองถูกตั้งค่าเป็น TRUE เนมสเปซจะถือเป็นคำนำหน้า หากเป็น FALSE เนมสเปซจะถือเป็นเนมสเปซ URL

วิธีที่สองคือการอ่านชื่อ URI จากเอกสารและใช้เมื่อเข้าถึงเนมสเปซองค์ประกอบ นี่เป็นวิธีที่ดีกว่าในการเข้าถึงองค์ประกอบต่างๆ เนื่องจากคุณไม่จำเป็นต้องฮาร์ดโค้ดเป็น URI

$namespaces = $ภาษา -> getNamespaces (จริง) ;
$dc = $ภาษา -> lang [ 1 ] -> เด็ก ( ($เนมสเปซ [ "dc" ] ) ;

ก้อง $dc -> ผู้สร้าง ;

วิธี รับเนมสเปซ()ส่งคืนอาร์เรย์ของชื่อคำนำหน้าและ URI ที่เกี่ยวข้อง ยอมรับพารามิเตอร์เพิ่มเติมซึ่งเป็นค่าเริ่มต้น เท็จ- ถ้าจะตั้งแบบนี้. จริงจากนั้นเมธอดนี้จะส่งคืนชื่อที่ใช้ในโหนดพาเรนต์และโหนดย่อย มิฉะนั้น จะค้นหาเนมสเปซที่ใช้ในโหนดพาเรนต์เท่านั้น

ตอนนี้คุณสามารถวนซ้ำรายการภาษาดังนี้:

$ภาษา = simplexml_load_file ("ภาษา.xml" ) ;
$ns = $ภาษา -> getNamespaces (จริง ) ;

foreach ($ภาษา -> lang เป็น $lang ) (
$dc = $lang -> เด็ก ๆ ($ns [ "dc" ] ) ;
พิมพ์f(
"

%s ปรากฏใน %d และถูกสร้างขึ้นโดย %s

ตัวอย่างการปฏิบัติ - แยกวิเคราะห์ช่องวิดีโอจาก YouTube

ลองดูตัวอย่างที่ได้รับฟีด RSS จาก ช่องยูทูปและแสดงลิงก์ไปยังวิดีโอทั้งหมดจากวิดีโอนั้น เมื่อต้องการทำเช่นนี้ โปรดติดต่อที่อยู่ต่อไปนี้:

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

URL ส่งคืนรายการวิดีโอล่าสุดจากช่องที่ระบุในรูปแบบ XML เราจะแยกวิเคราะห์ XML และรับข้อมูลต่อไปนี้สำหรับวิดีโอแต่ละรายการ:

• ลิงค์วิดีโอ
• จิ๋ว
• ชื่อ

เราจะเริ่มต้นด้วยการค้นหาและโหลด XML:

$channel = "ชื่อช่อง" ;
$URL = "http://gdata.youtube.com/feeds/api/users/"- $ช่อง. "/อัพโหลด" ;
$xml = file_get_contents($url);

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

หากคุณดูที่ฟีด XML คุณจะเห็นว่ามีหลายองค์ประกอบอยู่ที่นั่น เอนทิตีซึ่งแต่ละร้าน ข้อมูลรายละเอียดเกี่ยวกับวิดีโอเฉพาะจากช่อง แต่เราใช้เฉพาะภาพขนาดย่อ URL ของวิดีโอและชื่อเท่านั้น ธาตุทั้งสามนี้เป็นทายาทของธาตุ กลุ่มซึ่งก็เป็นลูกของ รายการ:

>
…
>
…


ชื่อ… >
…
>
…
>

เราจะผ่านองค์ประกอบทั้งหมด รายการและสำหรับแต่ละรายการเราจะดึงข้อมูลที่จำเป็นออกมา โปรดทราบว่า ผู้เล่น ภาพขนาดย่อและ ชื่ออยู่ในเนมสเปซของสื่อ ดังนั้นเราจึงต้องดำเนินการตามตัวอย่างก่อนหน้านี้ เราได้รับชื่อจากเอกสารและใช้เนมสเปซเมื่อเข้าถึงองค์ประกอบ

foreach ($feed -> รายการเป็น $entry ) (
$group = $entry -> เด็ก ๆ ($ns [ "สื่อ" ] ) ;
$กลุ่ม = $กลุ่ม -> กลุ่ม ;
$thumbnail_attrs = $group -> ภาพขนาดย่อ [ 1 ] -> คุณลักษณะ () ;
$image = $thumbnail_attrs [ "url" ] ;
$player = $group -> ผู้เล่น -> คุณสมบัติ () ;
$link = $player [ "url" ] ;
$title = $group -> ชื่อ ;
พิมพ์f( "

บทสรุป

ตอนนี้คุณรู้วิธีใช้แล้ว SimpleXMLสำหรับการแยกวิเคราะห์ข้อมูล XML คุณสามารถพัฒนาทักษะของคุณได้โดยการแยกวิเคราะห์ฟีด XML ต่างๆ ด้วย API ที่แตกต่างกัน แต่สิ่งสำคัญคือต้องพิจารณาว่า SimpleXML จะอ่าน DOM ทั้งหมดลงในหน่วยความจำ ดังนั้นหากคุณกำลังแยกวิเคราะห์ชุดข้อมูลขนาดใหญ่ หน่วยความจำของคุณอาจไม่เพียงพอ หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ SimpleXML โปรดอ่านเอกสารประกอบ

หากคุณมีคำถามใด ๆ เราขอแนะนำให้ใช้ของเรา

XML Extensible Markup Language คือชุดของกฎสำหรับการเข้ารหัสเอกสารในรูปแบบที่เครื่องอ่านได้ XML เป็นรูปแบบที่นิยมสำหรับการแลกเปลี่ยนข้อมูลบนอินเทอร์เน็ต ไซต์ที่อัปเดตเนื้อหาบ่อยครั้ง เช่น ไซต์ข่าวหรือบล็อก มักจะให้ฟีด XML เพื่อให้โปรแกรมภายนอกทราบถึงการเปลี่ยนแปลงเนื้อหา การส่งและแยกวิเคราะห์ข้อมูล XML เป็นงานทั่วไปสำหรับแอปพลิเคชันที่เชื่อมต่อกับเครือข่าย บทช่วยสอนนี้จะอธิบายวิธีแยกวิเคราะห์เอกสาร XML และใช้ข้อมูล

การเลือกพาร์เซอร์

การวิเคราะห์ช่องทาง

ขั้นตอนแรกในการแยกวิเคราะห์ฟีดคือการตัดสินใจว่าคุณสนใจช่องข้อมูลใด parser แยกฟิลด์ที่กำหนดและละเว้นสิ่งอื่นทั้งหมด

นี่คือตัวอย่างช่องที่จะถูกสำรวจในแอปพลิเคชันตัวอย่าง ทุกโพสต์บน StackOverflow.com จะปรากฏในฟีดเป็นแท็กรายการ ซึ่งมีแท็กย่อยหลายแท็ก:

... ... http://stackoverflow.com/q/9439999 0 หน้าผา2310 http://stackoverflow.com/users/1128925 2012-02-25T00:30:54Z 2012-02-25T00:30:54Z

แอปพลิเคชันตัวอย่างดึงข้อมูลจากแท็กรายการและชื่อแท็กย่อย ลิงก์ และสรุป

การสร้างอินสแตนซ์ตัวแยกวิเคราะห์

ขั้นตอนต่อไปคือการยกตัวอย่าง parser และเริ่มกระบวนการแยกวิเคราะห์ ตัวอย่างนี้เตรียมใช้งาน parser เพื่อไม่ให้จัดการเนมสเปซและใช้ InputStream ที่ให้มาเป็นอินพุต กระบวนการแยกวิเคราะห์เริ่มต้นด้วยการเรียก nextTag() และเรียกใช้เมธอด readFeed() ซึ่งจะดึงและประมวลผลข้อมูลที่แอปพลิเคชันสนใจ:

คลาสสาธารณะ StackOverflowXmlParser ( // เราไม่ได้ใช้เนมสเปซส่วนตัวคงที่สุดท้าย String ns = null; สาธารณะรายการแยกวิเคราะห์ (InputStream ใน) ​​พ่น XmlPullParserException, IOException ( ลอง ( XmlPullParser parser = Xml.newPullParser(); parser.setFeature(XmlPullParser.FEATURE_PROCESS_NAMESPACES , false); parser.setInput(in, null); parser.nextTag(); กลับ readFeed(parser) ในที่สุด ( in.close(); ) ... )

หักช่อง

เมธอด readFeed() ทำหน้าที่ประมวลผลฟีดจริง องค์ประกอบที่มีแท็ก "entry" เป็นจุดเริ่มต้นสำหรับการประมวลผลแบบเรียกซ้ำของช่องสัญญาณ หากแท็กถัดไปไม่ใช่แท็กรายการ แท็กนั้นจะถูกข้ามไป หลังจากที่ "ฟีด" ทั้งหมดได้รับการประมวลผลแบบวนซ้ำ readFeed() จะส่งคืนรายการที่มีรายการ (รวมถึงรายการข้อมูลที่ซ้อนกัน) ที่ถูกดึงมาจากฟีด รายการนี้จะถูกส่งกลับโดย parser

รายการส่วนตัว readFeed(XmlPullParser parser) พ่น XmlPullParserException, IOException ( รายการรายการ = new ArrayList (); parser.require(XmlPullParser.START_TAG, ns, "feed"); while (parser.next() != XmlPullParser.END_TAG) ( ถ้า (parser.getEventType() != XmlPullParser.START_TAG) ( Continue; ) String name = parser.getName(); // เริ่มต้นด้วยการค้นหาแท็กรายการ if (name.equals("entry")) ( entry.add( readEntry(parser)); ) else ( ข้าม(parser); ) ) ส่งคืนรายการ;

การแยกวิเคราะห์ XML

ขั้นตอนในการแยกวิเคราะห์ฟีด XML มีดังนี้:

ตัวอย่างนี้แสดงให้เห็นว่า Parser แยกวิเคราะห์รายการ ชื่อ ลิงก์ และสรุปอย่างไร

รายการคลาสคงที่สาธารณะ (ชื่อสตริงสุดท้ายสาธารณะ; ลิงก์สตริงสุดท้ายสาธารณะ; สรุปสตริงสุดท้ายสาธารณะ; รายการส่วนตัว (ชื่อสตริง, สรุปสตริง, ลิงก์สตริง) ( this.title = title; this.summary = summary; this.link = link ; ) ) // แยกวิเคราะห์เนื้อหาของรายการ หากพบชื่อเรื่อง สรุป หรือแท็กลิงก์ ให้ส่งต่อ // ไปยังวิธีการ "อ่าน" ที่เกี่ยวข้องเพื่อการประมวลผล มิฉะนั้น ให้ข้ามแท็ก รายการส่วนตัว readEntry(XmlPullParser parser) พ่น XmlPullParserException, IOException ( parser.require(XmlPullParser.START_TAG, ns, "entry"); String title = null; String summary = null; String link = null; while (parser.next() ! = XmlPullParser.END_TAG) ( if (parser.getEventType() != XmlPullParser.START_TAG) ( Continue; ) String name = parser.getName(); if (name.equals("title")) ( title = readTitle(parser) ; ) else if (name.equals("summary")) ( summary = readSummary(parser); ) else if (name.equals("link")) ( link = readLink(parser); ) else ( ข้าม(parser) ; ) ) ส่งคืนรายการใหม่ (ชื่อ, สรุป, ลิงก์) // ประมวลผลแท็กชื่อในฟีด สตริงส่วนตัว readTitle(XmlPullParser parser) พ่น IOException, XmlPullParserException ( parser.require(XmlPullParser.START_TAG, ns, "title"); String title = readText(parser); parser.require(XmlPullParser.END_TAG, ns, "title"); return title; ) // ประมวลผลแท็กลิงก์ในฟีด สตริงส่วนตัว readLink(XmlPullParser parser) พ่น IOException, XmlPullParserException ( String link = ""; parser.require(XmlPullParser.START_TAG, ns, "link"); String tag = parser.getName(); String relType = parser.getAttributeValue(null , "rel"); if (tag.equals("link")) ( if (relType.equals("alternate"))( link = parser.getAttributeValue(null, "href"); parser.nextTag(); ) ) parser.require(XmlPullParser.END_TAG, ns, "link"); return link) // ประมวลผลแท็กสรุปในฟีด สตริงส่วนตัว readSummary(XmlPullParser parser) ส่ง IOException, XmlPullParserException ( parser.require(XmlPullParser.START_TAG, ns, "summary"); String summary = readText(parser); parser.require(XmlPullParser.END_TAG, ns, "summary"); return summary; ) // สำหรับชื่อแท็กและสรุป ให้แยกค่าข้อความออกมา สตริงส่วนตัว readText(XmlPullParser parser) พ่น IOException, XmlPullParserException ( String result = ""; if (parser.next() == XmlPullParser.TEXT) ( result = parser.getText(); parser.nextTag(); ) ส่งคืนผลลัพธ์; ) ... )

ข้ามรายการที่คุณไม่ต้องการ

ในขั้นตอนหนึ่งของการแยกวิเคราะห์ XML ที่อธิบายไว้ข้างต้น parser จะข้ามแท็กที่เราไม่สนใจ ด้านล่างนี้เป็นโค้ดพาร์เซอร์สำหรับวิธีการข้าม ():

ข้ามโมฆะส่วนตัว (XmlPullParser parser) พ่น XmlPullParserException, IOException ( if (parser.getEventType() != XmlPullParser.START_TAG) ( Throw new IllegalStateException(); ) int deep = 1; while (deep != 0) ( switch (parser. ถัดไป()) ( case XmlPullParser.END_TAG: deep--; break; case XmlPullParser.START_TAG: deep++; break; ) ) )

นี่คือวิธีการทำงาน:

• เมธอดนี้จะส่งข้อยกเว้นหากเหตุการณ์ปัจจุบันไม่ใช่ START_TAG
• ใช้ START_TAG และเหตุการณ์ทั้งหมดไม่เกิน END_TAG
• เพื่อให้แน่ใจว่าหยุดที่ END_TAG ที่ถูกต้องและไม่ใช่แท็กแรกหลังจาก START_TAG เดิม แท็กนี้จะติดตามความลึกที่ซ้อนกัน

ดังนั้น หากองค์ประกอบปัจจุบันมีองค์ประกอบที่ซ้อนกัน ค่าความลึกจะไม่เป็น 0 จนกว่าโปรแกรมแยกวิเคราะห์จะประมวลผลเหตุการณ์ทั้งหมดระหว่าง START_TAG ดั้งเดิมและ END_TAG ที่เกี่ยวข้อง ตัวอย่างเช่น พิจารณาว่าเครื่องวิเคราะห์ผ่านไปอย่างไร องค์ประกอบที่มี 2 องค์ประกอบซ้อนกัน และ :

• ในการผ่านครั้งแรกผ่านลูป while แท็กถัดไปที่เครื่องวิเคราะห์พบหลังจากนั้น นี่คือ START_TAG สำหรับ
• ในการผ่านครั้งที่สองผ่านลูป while แท็กถัดไปที่เครื่องวิเคราะห์พบคือ END_TAG
• ในการผ่านครั้งที่สามผ่านลูป while แท็กถัดไปที่เครื่องวิเคราะห์พบคือ START_TAG - ค่าความลึกเพิ่มขึ้นเป็น 2
• ในการผ่านครั้งที่สี่ผ่านลูป while แท็กถัดไปที่เครื่องวิเคราะห์พบคือ END_TAG- ค่าความลึกจะลดลงเหลือ 1
• ในการผ่านครั้งที่ห้าซึ่งเป็นครั้งสุดท้ายผ่านลูป while แท็กถัดไปที่เครื่องวิเคราะห์พบคือ END_TAG- ค่าความลึกจะลดลงเหลือ 0 ซึ่งแสดงว่า ข้ามองค์ประกอบสำเร็จแล้ว

การประมวลผลข้อมูลเอ็กซ์เอ็มแอล

แอปพลิเคชันตัวอย่างได้รับและแยกวิเคราะห์ฟีด XML ใน AsyncTask การประมวลผลเกิดขึ้นภายนอกเธรด UI หลัก เมื่อการประมวลผลเสร็จสิ้น แอปพลิเคชันจะอัปเดตอินเทอร์เฟซผู้ใช้ในกิจกรรมหลัก (NetworkActivity)

ในตัวอย่างด้านล่าง เมธอด loadPage() จะดำเนินการดังต่อไปนี้:

• เริ่มต้นตัวแปรสตริงด้วย URL ที่ชี้ไปยังฟีด XML
• หากการตั้งค่าผู้ใช้และการเชื่อมต่อเครือข่ายอนุญาต ให้เรียก new DownloadXmlTask().execute(url) สิ่งนี้จะสร้างออบเจ็กต์ DownloadXmlTask ​​​​ใหม่ (คลาสย่อย AsyncTask) และดำเนินการวิธีการดำเนินการ () ซึ่งจะดาวน์โหลดและแยกวิเคราะห์ไปป์และส่งกลับผลลัพธ์สตริงที่จะแสดงใน UI

• doInBackground() ดำเนินการเมธอด loadXmlFromNetwork() โดยจะส่ง URL ของช่องเป็นพารามิเตอร์ วิธีการ loadXmlFromNetwork() รับและประมวลผลช่องสัญญาณ เมื่อเสร็จสิ้นการประมวลผล ก็จะส่งกลับสตริงผลลัพธ์
• onPostExecute() รับสตริงที่ส่งคืนและแสดงใน UI