Как я научился парсить XML в PHP | От новичка до профессионала

Как сделать xml parser.

Вот и лето пришло и первая неделя июля пролетела незаметно. Через две недели мне защищать свой диплом, а одна из частей его - XML parser. Но жалко, что не в пхп. Ну ниче, счас наверстаем

Я видел много xml parser`ов, но не затрагивал при этом веб-программирование. Теперь же я хочу выяснить и научиться вместе с вами, как сделать простой xml parser в php.

А зачем? Надо!

Не, ну на самом деле: xml-файлы - очень полезная штука. И любой профессионал должен… нет, не должен, а обязан знать, как с ними работать. Мы же хотим стать профессионалами? Если Вы на моем блоге, то такое желание у Вас есть.

Итак…

Мы предполагаем, что знаем, что такое XML и описывать его здесь не будем. Ну, если не знаем, то легко узнаем здесь: http://ru.wikipedia.org/wiki/XML

При поиске способов парсинга XML на PHP, я обнаружил простой набор функций в PHP для работы с XML-файлами, который называется «XML Parser Functions». Парсинг начинается с инициализации парсера вызовом функции xml_parser_create:

$xml_parser = xml_parser_create();

Потом нам нужно сказать парсеру, какие функции будут обрабатывать попадающиеся ему xml-теги и текстовую информацию в процессе парсинга. Т.е. нужно установить некие обработчики:

xml_set_element_handler($xml_parser, “startElement”, “endElement”);

Эта функция отвечает за установку обработчиков начала элемента и конца элемента. Например, если в тексте xml-файла встретится комбинация , то функция startElement сработает, когда парсер найдет элемент , а функция endElement - при нахождении .

Сами же функции startElement и endElement принимают несколько параметров согласно документации по php:

<?

function startElement($parser, $name, $attrs) {

    // $parser - уникальный идентификатор парсера

//     (т.к. мы можем использовать несколько парсеров)

// $name - имя обнаруженного элемента

// $attrs - массив атрибутов обнаруженного элемента

}

function endElement($parser, $name) {

    // $parser - уникальный идентификатор парсера

// $name - имя обнаруженного элемента

}

?>

А как же считывать данные из файла? Мы же пока не видели ни одного параметра для этого ни в одной из функций! А об этом дальше: считывание файла возлагается на плечи программиста, т.е. мы должны использовать стандартные функции для работы с файлами:

<?

if (!($fp = fopen($file, "r"))) {

    die("could not open XML input");

}

?>

Открыли файл. А теперь нужно построчно считывать его и скармливать считываемые строки функции xml_parse:

<?

while ($data = fgets($fp)) {

  if (!xml_parse($xml_parser, $data, feof($fp))) {

    echo "<br>XML Error: ".xml_error_string(xml_get_error_code($xml_parser));

    echo " at line ".xml_get_current_line_number($xml_parser);

    break;

  }

}

?>

Здесь заметим две очень важные вещи. Первая - это то, что функции xml_parse в третьем параметре нужно передать флаг считывания последней строки (true - если строка последняя, false - если нет). Второе - это то, что как и в любом деле, мы должны следить здесь за ошибками. За это отвечают функции xml_get_error_code и xml_error_string. Первая функция получает код ошибки, а вторая - по полученному коду возвращает текстовое описание ошибки. Что в результате возникновения ошибки получится - рассмотрим позже. Не менее полезная функция xml_get_current_line_number скажет нам номер текущей обрабатываемой строки в файле.

И как всегда мы должны освободить занимаемые системой ресурсы. Для парсинга XML - это функция xml_parser_free:

xml_parser_free($xml_parser);

Вот, основные функции мы рассмотрели. Пора бы посмотреть их на деле. Для этого я придумал xml-файл с очень простой структурой:

<?xml version="1.0" encoding="UTF-8"?>

<root>

  <info who="моя">

    <address ulica="моя улица!!" kvartira="12" dom="15">123</address>

    <phone>+71234567890</phone>

  </info>

</root>

Назовем этот файл data.xml и попытаемся его распарсить с помощью следующего кода:

<?

function startElement($parser, $name, $attrs) {

    global $depth;

    echo str_repeat("&nbsp;", $depth * 3); // отступы

    echo "<b>Element: $name</b><br>";      // имя элемента

    $depth++; // увеличиваем глубину, чтобы браузер показал отступы

    foreach ($attrs as $attr => $value) {

        echo str_repeat("&nbsp;", $depth * 3); // отступы

        // выводим имя атрибута и его значение

        echo 'Attribute: '.$attr.' = '.$value.'<br>';

    }

}

function endElement($parser, $name) {

    global $depth;

    $depth--; // уменьшаем глубину

}

$depth = 0;

$file  = "data.xml";

$xml_parser = xml_parser_create();

xml_set_element_handler($xml_parser, "startElement", "endElement");

if (!($fp = fopen($file, "r"))) {

    die("could not open XML input");

}

while ($data = fgets($fp)) {

    if (!xml_parse($xml_parser, $data, feof($fp))) {

        echo "<br>XML Error: ";

        echo xml_error_string(xml_get_error_code($xml_parser));

        echo " at line ".xml_get_current_line_number($xml_parser);

        break;

    }

}

xml_parser_free($xml_parser);

?>

В результате разработанного нами простейшего скрипта браузер вывел в свое окно следующую информацию:

Element: ROOT
   Element: INFO
      Attribute: WHO = моя
      Element: ADDRESS
         Attribute: ULICA = моя улица!!
         Attribute: KVARTIRA = 12
         Attribute: DOM = 15
      Element: PHONE

Попробуем испортить XML-файл, заменив тег <phone> на <telephone>, а закрывающий тег оставив прежним:

Element: ROOT
   Element: INFO
      Attribute: WHO = моя
      Element: ADDRESS
         Attribute: ULICA = моя улица!!
         Attribute: KVARTIRA = 12
         Attribute: DOM = 15
      Element: TELEPHONE

XML Error: Mismatched tag at line 5

Ух ты! Сообщения об ошибках работают! Причем довольно информативные.

Эх, я забыл еще одну вещь… Мы же не вывели текст, содержащийся внутри тегов address и phone. Исправляем наш недочет - добавляем текстовый обработчик с помощью функции xml_set_character_data_handler:

xml_set_character_data_handler($xml_parser, ’stringElement’);

И добавляем в код саму функцию-обработчик:

<?

function stringElement($parser, $str) {

    if (strlen(trim($str)) > 0) {

        global $depth;

        echo str_repeat("&nbsp;", $depth * 3); // отступ

        echo 'String: '.$str.'<br>'; // выводим строку

    }

}

?>

Посмотрим теперь на вывод:

Element: ROOT
   Element: INFO
      Attribute: WHO = моя
      Element: ADDRESS
         Attribute: ULICA = моя улица!!
         Attribute: KVARTIRA = 12
         Attribute: DOM = 15
         String: 123
      Element: PHONE
         String: +71234567890

О! Теперь вывели все!

Кстати, кто-нибудь заметил, что имена тегов и атрибутов все большими буквами написаны? Странно… они же в нашем xml-файле малыми буквами обозначены. Видимо где-то какие-то настройки установлены, чтобы делать uppercase…

Ааа, нашел! Оказывается есть еще функция xml_parser_set_option:

xml_parser_set_option($xml_parser, XML_OPTION_CASE_FOLDING, 0);

Таким вызовом мы отменяем вывод имен атрибутов и имен тегов большими буквами:

Element: root
   Element: info
      Attribute: who = моя
      Element: address
         Attribute: ulica = моя улица!!
         Attribute: kvartira = 12
         Attribute: dom = 15
         String: 123
      Element: phone
         String: +71234567890

В этой статье мы рассмотрели самый простой, но для большинства задач достаточный метод вытаскивания информации из XML-файлов. Я еще слышал про какие-то другие более мощные методы, но их буду рассматривать, когда сам изучу немного

Популярность: 21%

Читайте также:

41 Ответов на “Как сделать xml parser.”

VolCh
Июль 26th, 2008

По мне так куда проще работать со стандартным DOM (для php5, DOM XML для php4), кроме всего прочего с ним отлично работает XSL (для php5, XSLT для php 4)
Konstantin
Сентябрь 8th, 2008

Боюсь вы не сделали XML parser, а просто воспользовались готовым.

PS: SAX вообще говоря довольно интересный инструмент для того чтобы обрабатывать большие документы и не разбазаривать память на построение DOM, но почему-то о нем не все помнят.
novice
Сентябрь 8th, 2008

В основе механизма SAX лежит принцип поточной обработки xml. Он как раз используется для обработки больших файлов. Не используют его в таких случаях только по неопытности думаю
Z
Сентябрь 18th, 2008

Простите, а это “с нуля” или Вы чей-то скрипт разобрали?
novice
Сентябрь 18th, 2008

Конечно с нуля. Я же просто использовал базовые возможности. Грех не написать с помощью них парсер самому.
Антон
Октябрь 3rd, 2008

Может кто-нибудь знает наилучший способ парсинга документов с ошибками на подобие: Mismatched tag. А то в интернете страницы без ошибок - это редкое исулючение…
Игорь
Октябрь 24th, 2008

гут статья)
Андрей
Октябрь 31st, 2008

У меня возникла проблема с русскими символами в xml файле. PHP не хочет их парсит, вылетая с ошибкой:
Element: ROOT
XML Error: Invalid character at line 3

Подскажите пожалуйста что делать.
novice
Октябрь 31st, 2008

Андрей, попробуйте сохранить xml-файл в кодировке UTF-8 без сигнатуры (without BOM).
nika
Ноябрь 11th, 2008

у меня не работает вывод String куда именно нужно вставить последнюю функцию, помогите пожалуйста?
novice
Ноябрь 11th, 2008

nika, Вам нужно вставить вызов
xml_set_character_data_handler($xml_parser, ’stringElement’);
после
xml_set_element_handler($xml_parser, “startElement”, “endElement”);
nika
Ноябрь 11th, 2008

да и еще такой вопрос а что нужно сделать, чтобы русские буквы отображались нормально, а не “кракозябрами”
novice
Ноябрь 11th, 2008

nika, попробуйте сохранить xml-файл в кодировке UTF-8 без сигнатуры (without BOM)
nika
Ноябрь 11th, 2008

novice, у меня “кракозябры” при выводе уже запарсенного файла
novice
Ноябрь 11th, 2008

В общем для правильного отображения нужно соблюдать следующее:
1. нужно, чтобы xml-файл был в кодировке UTF-8
2. в xml-файле первая строчка должна быть такой:
< ?xml version="1.0" encoding="UTF-8"?>
3. нужно инициализировать парсер так:
xml_parser_create(”UTF-8″);
4. нужно перед выводом содержимого xml-файла в браузер настроить последний на кодировку UTF-8:
header( “Content-Type: text/html; charset=utf-8″);
nika
Ноябрь 12th, 2008

а куда именно вставить вот эту строчку
header(”Content-Type: text/html; charset=utf-8″);
я поставила в начале всех функций, но выдается ошибка
novice
Ноябрь 12th, 2008

Эту строчку нужно вставить перед выводом информации на экран. А какая ошибка выдается?
Olga
Ноябрь 14th, 2008

Спасибо огромное за парсер!!!
нашла ошибочку ’stringElement’ сделайте в тексте с двойными кавычками - а то у меня вывод String тоже не сразу заработал :)) ещё раз спасибо!
novice
Ноябрь 14th, 2008

Тут просто нужно быть аккуратнее с кавычками. ’stringElement’, `stringElement` и ’stringElement’ - не одно и то же с точки зрения PHP
nika
Ноябрь 14th, 2008

novice, у меня вылетает вот такая ошибка Warning: Cannot modify header information - headers already sent by (output started at Z:\home\parser\www\index.php:9) in Z:\home\parser\www\index.php on line 10
10 линия это как раз header
а на 9 начинается php, то есть вот такой код: <?php
Denis
Декабрь 11th, 2008

Спасибо большое! Сейчас столкнулся с подобной проблемой (нужно распарсить базу 1С-ки и перегнать её в удобочитаемый формат для своей CMS-ки), а у вас все просто и понятно расписано!
p.s.: а еще спасибо за урок по сокетам!
novice
Декабрь 11th, 2008

Пожалуйста
Рома
Декабрь 14th, 2008

Отличная статья. Спасибо
Mark
Декабрь 21st, 2008

Статья класс, побольше бы таких. Кто знает как теперь это всё добавить в базу данных, каждый элемент, атрибут в разные столбцы?
Андрей
Декабрь 29th, 2008

Вот я как раз тоже озадачен такой проблемой импорт из xml в php… нарою что нить отпишу
Mark
Декабрь 29th, 2008

Заранее большое спасибо. Кстати я сделал с помощью XMLReader но добавляет 200.000 записей на localhost примерно 30 минут по идее за 3 минуты должно.
novice
Декабрь 29th, 2008

Mark, попробуйте ради эксперимента сделать то же самое на SimpleXML или с помощью другого PHP-инструмента
Константин
Январь 6th, 2009

Спасибо, Вы указали направление.
Имя
Январь 27th, 2009

ага, и попробуйте потом с simplexml, безгеморно, например из

…

Просто Текстовая нода, а это ещё одна текстовая
нода с сылкой

…

вытищить нотацией -> или [] значения нод и , и особенно, значения их аттрибутов.
повторяю - безгеморно

так что SAX, рулит и не только для док-тов не больше 5 МБ, а так же и для всех тех, которые имеют так называемый “смешанный-XML контент”
Имя
Январь 27th, 2009

мдя… мой вам совет - прикрутите парсинг ввода пользователя
mat85
Февраль 25th, 2009

Для отображения текста на русском языке используем
iconv(”UTF-8″,”windows-1251″, $attr), где $attr, то что нужно вывести.
natureALL
Апрель 2nd, 2009

Спасибо, хорошая статья. У меня получилось всё и сразу. Дальше надо делать выборки из списка. На эту тему бы статейку, а? Например, есть группы товаров. Выводим только группы. Или список внутри группы.
novice
Апрель 2nd, 2009

Для этого, как мне кажется, лучше воспользоваться SimpleXML. Там удобнее будет связи соблюдать. А насчет статьи - может как-нибудь напишу
SoTKoM
Апрель 6th, 2009

Спасиб, хорошая статья!!!!
Вот еще бы статейку наподобие, только как редактировать xml с php!
Arthur
Апрель 20th, 2009

Есть такие два класса интересных в стандартной библеотеке PHP5 - DOMDocument() и XSLTProcesor() использовал на довольно крупных проектах - не жалуюсь =)
Дима
Апрель 27th, 2009

спасибо! полезная статейка! мне сейчас особенно нужно было решение как парсить xml с помощью php, поэтому статейка пригодилась! спасибо!
dimetil
Май 6th, 2009

Есть такая проблема. При выводе String длинной более 174 символов происходит разбиение текста на несколько String(по 174). Где может быть данное ограничение и как его преодолеть?
Сергей
Май 15th, 2009

Очень помогло. Автору респект.
mobon
Июнь 7th, 2009

Отличная статья очень помогла. Давно искал такой парсер!
Кладу в капилку денюжку
novice
Июнь 7th, 2009

mobon, спасибо!
nKognito
Июнь 25th, 2009

Вообще у PHP есть еще одна библиотечка для разбора XML по принципу SAX - называется XMLReader.

От новичка до профессионала

Рубрики

Архивы

Друзья

Хорошие блоги

Статистика

Поддержи

Что за кнопка?

Свежие записи

Популярное

Как сделать xml parser.

41 Ответов на “Как сделать xml parser.”

Оставить комментарий