XML代表Extensible Markup Language（eXtensible Markup Language的縮寫，意為可擴展的標記語言）。XML是一套定義語義標記的規則，這些標記將文檔分成許多部件并對這些部件加以標識。它也是元標記語言，即定義了用于定義其他與特定領域有關的、語義的、結構化的標記語言的句法語言。XML是當今最熱門的技術。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應用的情況。

　　XML概貌

　　談起XML(eXtended Markup Language：可擴展標記語言)，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＞ 

　　上面這段代碼從結構上就符合XML的規則，XML可以理解是包含數據的樹形的結構類型：

　　1、引用同一個元素的時候，使用一致的大小寫，如＜center＞＜/Center＞就是不符合規定的 
　　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＜和關閉＞標注組成，元素應該形如＜body＞＜/body＞或空元素＜img ... /＞，如果結尾的 "/＞" 少了"/"就是錯誤的代碼 
　　4、所有元素必須彼此嵌套，就像寫程序的循環一樣，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容都嵌套于＜html＞＜/html＞之中。 
　　5、元素名稱(即上面的body a p img等)應為字母開頭。

　　怎樣應用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文檔的結構和內容。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文檔轉換成樹型結構。這類解析器分析整篇文章，同時提供一個API來訪問所產生樹的每個元素。其通用的標準為DOM（文檔對象模式）。

　　基于事件的解析器：將XML文檔視為一系列的事件。當一個特殊事件發生時，解析器將調用開發者提供的函數來處理。基于事件的解析器有一個XML文檔的數據集中視圖，也就是說它集中在XML文檔的數據部分，而不是其結構。這些解析器從頭到尾處理文檔，并將類似于－元素的開始、元素的結尾、特征數據的開始等等－事件通過回調（callback）函數報告給應用程序。

　　以下是一個"Hello-World"的XML文檔范例：

＜greeting＞ 
Hello World 
＜/greeting＞ 

　　基于事件的解析器將報告為三個事件：

　　開始元素：greeting 
　　CDATA項的開始，值為：Hello World 
　　結束元素：greeting

　　基于事件的解析器不產生描述文檔的結構，當然如果使用Expat，必要時它一樣可以在PHP中生成完全的原生樹結構。在CDATA項中，基于事件的解析器不會得到父元素greeting的信息。然而，它提供一個更底層的訪問，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，就沒有必要將整個文檔放入內存；而事實上，整個文檔甚至可以大于實際內存值。

　　上面Hello-World的范例雖然包括完整的XML格式，但它是無效的，因為既沒有DTD（文檔類型定義）與其聯系，也沒有內嵌DTD。但是Expat是一個不檢查有效性的解析器，因此忽略任何與文檔聯系的DTD。應注意的是文檔仍然需要完整的格式，否則Expat（和其他符合XML標準的解析器一樣）將會隨著出錯信息而停止。

　　編譯Expat

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

　　如果將PHP編譯為Apache的模塊，而Expat將默認作為Apache的一部分。在Windows中，則必須要加載XML動態連接庫。

　　XML范例：XMLstats 
　　我們所要討論的范例是使用Expat來收集XML文檔的統計數據。

　　對于文檔中每個元素，以下信息都將被輸出： 
該元素在文檔中使用的次數 
該元素中字符數據的數量

元素的父元素

元素的子元素 
　　注意：為了演示，我們利用PHP來產生一個結構來保存元素的父元素和子元素

　用于產生XML解析器實例的函數有哪些？

　　用于產生XML解析器實例的函數為xml_parser_create()。該實例將用于以后的所有函數。這個思路非常類似于PHP中MySQL函數的連接標記。在解析文檔前，基于事件的解析器通常要求注冊回調函數－用于特定的事件發生時調用。Expat沒有例外事件，它定義了如下七個可能事件：

對象 XML解析函數 描述 
元素 xml_set_element_handler() 元素的開始和結束 
字符數據 xml_set_character_data_handler() 字符數據的開始 
外部實體 xml_set_external_entity_ref_handler() 外部實體出現  
未解析外部實體 xml_set_unparsed_entity_decl_handler() 未解析的外部實體出現 
處理指令 xml_set_processing_instruction_handler() 處理指令的出現 
記法聲明 xml_set_notation_decl_handler() 記法聲明的出現 
默認 xml_set_default_handler() 其它沒有指定處理函數的事件

　　所有的回調函數必須將解析器的實例作為其第一個參數（此外還有其它參數）。

　　對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又用到了字符數據處理函數。元素的回調處理函數通過xml_set_element_handler()來注冊。

　　這個函數需要三個參數：

　　解析器的實例 
　　處理開始元素的回調函數的名稱 
　　處理結束元素的回調函數的名稱

　　當開始解析XML文檔時，回調函數必須存在。它們必須定義為與PHP手冊中所描述的原型一致。

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

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

　　$parser是解析器標志，$name是開始元素的名稱，$attrs為包含元素所有屬性和值的數組。

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

　　XML的Case Folding選項

　　用xml_parser_set_option()函數將Case folding選項關閉。這個選項默認是打開的，使得傳遞給處理函數的元素名自動轉換為大寫。但XML對大小寫是敏感的（所以大小寫對統計XML文檔是非常重要的）。對于我們的范例，case folding選項必須關閉。

　　如何對文檔進行解析?

　　在完成所有的準備工作后，現在腳本終于可以解析XML文檔：

　　Xml_parse_from_file()，一個自定義的函數，打開參數中指定的文件，并以4kb的大小進行解析 
xml_parse()，和xml_parse_from_file()一樣，當發生錯誤時，即XML文檔的格式不完全時，將會返回false。

　　我們可以使用xml_get_error_code()函數來得到最后一個錯誤的數字代碼。將此數字代碼傳遞給xml_error_string()函數即可得到錯誤的文本信息。輸出XML當前的行數，使得調試更容易。

　　當解析文檔時，對于Expat需要強調問題的是：如何保持文檔結構的基本描述？

　　如前所述，基于事件的解析器本身并不產生任何結構信息。不過標簽(tag)結構是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系的，雖然它們都用到"title"這個術語。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)來維護文檔的結構信息。

　　為了產生文檔結構的鏡像，腳本至少需要知道目前元素的父元素。用Exapt的API是無法實現的，它只報告目前元素的事件，而沒有任何前后關系的信息。因此，需要建立自己的棧結構。

　　腳本范例使用先進后出(FILO)的棧結構。通過一個數組，棧將保存全部的開始元素。對于開始元素處理函數，目前的元素將被array_push()函數推到棧的頂部。相應的，結束元素處理函數通過array_pop()將最頂的元素移走。

　　對于序列＜book＞＜title＞＜/title＞＜/book＞，棧的填充如下：

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

　　PHP3.0通過一個$depth變量手動控制元素的嵌套來實現范例，這就使腳本看起來比較復雜。PHP4.0通過array_pop()和array_push()兩個函數來使腳本看起來更簡潔。

　　如何收集XML文檔中的元素信息？

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

　　$count -該元素在文檔中被發現的次數 
　　$chars -元素中字符事件的字節數 
　　$parents -父元素 
　　$childs - 子元素

　　注意：PHP的一個特性是你可以通過while(list() = each())loop遍歷整個類結構，如同你遍歷整個相應的數組一樣。所有的類變量（當你用PHP3.0時還有方法名）都以字符串的方式輸出。

　　當發現一個元素時，我們需要增加其相應的記數器來跟蹤它在文檔中出現多少次。在相應的$elements項中的記數元素也要加一。

　　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加入到父元素的$childs數組的項目中。最后，目前元素應該記住誰是它的父元素。所以，父元素被加入到目前元素$parents數組的項目中。

　　顯示統計信息

　　剩下的代碼在$elements數組和其子數組中循環顯示其統計結果。這就是最簡單的嵌套循環，盡管輸出正確的結果，但代碼既不簡潔又沒有任何特別的技巧，它僅僅是一個你可能每天用他來完成工作的循環。

　腳本范例被設計為通過PHP的CGI方式的命令行來調用。因此，統計結果輸出的格式為文本格式。如果你要將腳本運用到互聯網上，那么你需要修改輸出函數來產生HTML格式。

　　如何用PHP&XML編制一個迷你搜索引擎實例？

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

＜?xml version="1.0" encoding="gb2312" ?＞
＜links＞采用PHP和XML技術構建的搜索引擎 
＜web memo="memo1" url=""＞name1＜/web＞ 
＜sub＞電腦網絡 
＜web memo="nemo2"＞name2＜/web＞ 
＜sub＞程序設計 
＜web memo="memo3"＞name3＜/web＞ 
＜sub＞PHP 
＜web url="http://www.phpbuilder.com/" memo="[英文]PHP開發資源。"＞ 
www.phpbuilder.com＜/web＞ 
＜web url="http://www.fokus.gmd.de" memo="[英文]PHP開發手冊。 "＞ 
PHP Manual＜/web＞ 
＜/sub＞ 
＜/sub＞ 
＜/sub＞ 
＜/links＞

　　它的結構相當簡單，根元素就是links，sub代表著一個類別，web就是一個網站的信息，其中包含著屬性，url代表網站的聯接，memo為備注信息，＜web＞？？＜/web＞ 、＜sub＞？？＜/sub＞中包含的為元素的數據在這里就是類別和網站的名稱，這是符合上面的規定的。

　　現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？
　　第一個原因就是有時候由于各種原因我們可能不能用到數據庫（MySQL或者其他）；
　　其次，對于小數據量的搜索引擎來說，它的數據量很小，如果用數據庫來做，效率未必有多高；

　　最重要的一點是，這個搜索引擎維護起來相當的簡單，并且不用編寫繁瑣的數據庫的維護的程序。例如，我們要添加一個類別或者網頁，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，如果想把一個類別移動到另一個地方的話，我們只要將這一部分的sub復制過去就行了。

　　下面一個最簡單的用PHP顯示XML的范例。

　　下面的程序是將解析XML并按照樹形結構輸出至瀏覽器，并顯示每層的元素總數。

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

global $level,$levelcount,$maxlevel; 
$level = -1; 
$parser = xml_parser_create();// 產生解析器的實例 
xml_set_element_handler($parser, "start_element", "stop_element"); // 設置處理函數 
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上，可以顯示一段子樹，我們依照元素的層數和他在該層的第幾號來對他進行定位

　　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。因為，要顯示出一個子類別（如程序設計-＞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($hide){ //判斷是否在子樹的范圍內，$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(把整個樹遍歷一遍)顯示符合的內容。

　　xml3.php

　　關鍵字匹配采用eregi函數，我們假設輸入的文字都是不會導致錯誤的。

關鍵字：PHP、XML、規則