PHP 中的 SimpleXML 处理

　　了解和 PHP 版本 5 捆绑到一起的 SimpleXML 扩展，它使 PHP 页面能够以 PHP 友好的语法来查询、搜索、修改和重新发布 XML。

　　PHP 版本 5 引入了 SimpleXML，一种用于读写 XML 的新的应用程序编程接口(API)。在 SimpleXML 中，下面的这样的表达式:

　　$doc->rss->channel->item->title

　　从文档中选择元素。只要熟悉文档的结构，很容易编写这种表达式。但是，如果不很清楚需要的元素出现在何处(比如 Docbook、HTML 和类似的叙述性文档中)，SimpleXML 可以使用 XPath 表达式寻找这些元素。

　　开始使用 SimpleXML

　　假设需要一个 PHP 页面将 RSS 提要(feed)转化成 HTML。RSS 是一种简单的 XML 格式用于发布连锁内容。文档的根元素是 rss，它包括一个 channel 元素。channel 元素包含关于提要的元数据，如标题、语言和 URL。它还包含各种封装在 item 元素中的报道。每个 item 都有一个 link 元素，包括一个 URL，还有 title 或 description(通常两者都有)，包含普通文本。不使用名称空间。RSS 的内容当然不止这些，不过对本文来说知道这些就足够了。清单 1 显示了一个典型的例子，它包含两个新闻项。

　　清单 1. RSS 提要

<?xml version="1.0" encoding="UTF-8"?>
<rss version="0.92">
<channel>
<title>Mokka mit Schlag</title>
<link>http://www.elharo.com/blog</link>
<language>en</language>
<item>
    <title>Penn Station: Gone but not Forgotten</title>
    <description>
     The old Penn Station in New York was torn down before I was born.
     Looking at these pictures, that feels like a mistake. The current site is
     functional, but no more; really just some office towers and underground
     corridors of no particular interest or beauty. The new Madison Square...
    </description>
    <link>http://www.elharo.com/blog/new-york/2006/07/31/penn-station</link>
</item>
<item>
    <title>Personal for Elliotte Harold</title>
    <description>Some people use very obnoxious spam filters that require you
     to type some random string in your subject such as E37T to get through.
     Needless to say neither I nor most other people bother to communicate with
     these paranoids. They are grossly overreacting to the spam problem.
     Personally I won't ...</description>

　　我们来开发一个 PHP 页面将 RSS 提要格式化为 HTML。清单 2 显示了这个页面的基本结构。

　　清单 2. PHP 代码的静态结构

<?php // Load and parse the XML document ?>
<html xml:lang="en" lang="en">
<head>
<title><?php // The title will be read from the RSS ?></title>
</head>
<body>

<?php
// Here we'll put a loop to include each item's title and description
?>

</body>
</html>

　　解析 XML 文档

　　第一步是解析 XML 文档并保存到变量中。只需要一行代码，向 simplexml_load_file() 函数传递一个 URL 即可:

　　$rss = simplexml_load_file('http://partners.userland.com/nytRss/nytHomepage.xml');

　　对于这个例子，我已经从 Userland 的 New York Times 提要(在 http://partners.userland.com/nytRss/nytHomepage.xml)填充了页面。当然，也可使用其他 RSS 提要的任何 URL。

　　要注意，虽然名称为 simplexml_load_file()，该函数实际上解析远程 HTTP URL 上的 XML 文档。但这并不是该函数唯一令人感到奇怪的地方。返回值(这里存储在 $rss 变量中)并没有指向整个文档，如果使用过其他 API 如文档对象模型(DOM)您可能会这样期望。相反，它指向文档的根元素。从 SimpleXML 不能访问文档序言和结语部分的内容。

　　寻找提要标题

　　整个提要的标题(不是提要中各报道的标题)位于 rss 根元素 channel 的 title 孩子中。很容易找到这个标题，就仿佛 XML 文档是类 rss 的一个对象的序列化形式，它的 channel 字段本身带有一个 title 字段。使用常规 PHP 对象引用语法，寻找标题的语句如下:

　　$title = $rss->channel->title;

　　找到之后可以将其添加到输出 HTML 中。这样做很简单，只要回显 $title 变量即可:

　　这一行输出元素的字符串值而不是整个元素。就是说写入文本内容但不包括标签。

　　甚至可以完全跳过中间变量 $title:

<title><?php echo $rss->channel->title; ?></title>

　　因为该页面在多处重用这个值，我发现用一个含义明确的变量来存储会更方便。

……