Вот я и добрался до XPath, как и обещал. Изучив этот язык запросов к XML-данным, я пришел к выводу, что это очень мощный инструмент для извлечения информации из XML. И рассказать о нем в одной статье было бы не очень хорошо с моей стороны. Таким образом я продолжаю тему парсинга XML-файлов, очень актуальную в наше время.

А начата эта тема несколькими постами ранее:
Первый post о том, как я научился парсить XML
Про SimpleXML

Надеюсь, вы их не пропустили 😉

Итак, сначала расскажу, как выполнять XPath-выражения в PHP, а потом - про сами выражения. Для выполнения XPath я воспользовался двумя способами:

1. Функциями DOM XML
2. Классом SimpleXML

Использование DOM XML

Сразу приведу пример:

test.xml

test.php

Т.е. сначала мы парсим XML, потом создаем контекст XPath (объект класса XPathContext), который передаем потом в функцию xpath_eval, выполняющую наше выражение и возвращающую результат в виде объекта класса XPathObject. Далее мы используем этот объект для извлечения информации. Свойство nodeset содержит набор узлов, которые были получены в результате выполнения запроса. Чтобы просмотреть, что из себя представляет объект $nodes, можно использовать функцию var_dump.

Использование SimpleXML

Отличие от первого метода здесь в том, что узлы возвращаются не в «сыром» виде, т.е. сразу возвращается текстовое содержимое узла без всякой служебной информации (имя тега, например).

Выражения

Теперь мы можем извлекать нужную информацию по заданному выражению. А что же представляют из себя сами выражения?

Будем рассматривать их для представленного примера с книгами.

Чтобы нам выбрать корневой узел books, достаточно написать /books.
Чтобы выбрать все книги, можно пойти двумя путями:
/books/book - выбирает все элементы book, дочерние по отношению к books
//book - выбирает все элементы book, независимо от родителя

Или, например, мы хотим выбрать все ISBN: //book/ISBN

Выражение //* означает выборку ВСЕХ элементов.

Выражение /books/book/* выберет все элементы, находящиеся во всех книгах. Т.е. например:

Для этого примера запрос /books/book/* выберет элементы:

Имя и фамилия автора1

Имя и фамилия автора2

Элемент title можно выбрать еще вот так:
/*/*/title

Т.е. этот запрос означает, что нам нужно выбрать элемент title, который имеет родителя и прародителя.

Вообще, как вы заметили, звездочка (*) означает «любой элемент».

Чтобы нам задать определенный элемент по счету из множества выборки, можем это указать в квадратных скобках:

//book[1] - выберет первую книгу

Или есть еще функция last():

//book[last()] - выберет последнюю книгу

А как же быть с атрибутами элементов? Для этого тоже предусмотрены шаблоны в выражениях. Сейчас мы их и рассмотрим. Пусть книга у нас описывается немного по-другому:

Т.е. мы тут перенесли ISBN в атрибут книги.

Теперь запросы:

//@isbn - выбирает все атрибуты isbn
//book[@isbn] - выбирает все книги, имеющие атрибут isbn
//book[@*] - выбирает все книги, имеющие хотя бы один атрибут
//book[not(@*)] - выбирает все книги, не имеющие ни одного атрибута
//book[@isbn=”ISBN”] - выбирает все книги, имеющие атрибут isbn со значением ISBN
//book[normalize-space(@isbn)=”ISBN”] - выбирает все книги, имеющие атрибут isbn со значением ISBN. При этом удаляются все пробелы с начала и конца заданной строки (значение атрибута isbn)

Это лишь самые простые запросы с атрибутами. Кроме функций normalize-space и not есть еще множество функций, позволяющих работать со строками и выражениями довольно эффективно.

По поводу функций, работающих с элементами, можно еще сказать про следующие:

Функция count() - возвращает количество элементов в указанном множестве:
//*[count(author)=2] - вернет все элементы, имеющие два дочерних элемента author
//*[count(*)=2] - вернет все элементы, имеющие два произвольных дочерних элемента

Функция name() - вернет имя элемента:
//*[name()=’book’] - эквивалентно //book

Функция starts-with(строка1, строка2) - вернет true, если строка1 начинается со строки2:
//*[starts-with(name(),’auth’)] - вернет все элементы author

Функция contains(строка1, строка2) - вернет true, если строка1 содержит в себе строку2:
//*[contains(name(),’ge’)] - вернет все элементы pages

Функция string-length() - возвращает количество символов в заданной строке:
//*[string-length(name()) = 5] - вернет элементы title, pages, books
//*[string-length(name()) < 5] - вернет элементы book, year

Да, еще забыл сказать, что выражения можно комбинировать. Например:
/books/book/title | /books/book/author - выберет все элементы title и author

При этом ограничений на количество комбинаций нет.

Заключение

Это все, что я хотел рассмотреть в первой части. В следующей мы рассмотрим такое понятие, как «оси» в XPath. И затронем некоторые математические функции. До встречи!