首先我得承认我喜欢计算机标准。如果每个人都遵从这个行业的标准，互联网将会是一个更好的媒体。使用标准化的数据交换格式才能使开放的和独立于平台的计算模式切实可行。这就是我作为XML爱好者的原因。

幸运的是，我最喜爱的脚本语言不但支持XML而且对其支持正不断加强。PHP可以让我迅速将XML文档发布到互联网上，收集XML文档的统计信息，将XML文档转换成其它格式。例如，我时常用PHP的XML处理能力来管理我用XML所写的文章和书。

本文中，我将讨论任何用PHP内建的Expat解析器来处理XML文档。通过范例，我将演示Expat的处理方法。同时，范例可以告诉你如何：

建立你自己的处理函数
将XML文档转换成你自己的PHP数据结构

介绍Expat

XML的解析器，同样称为XML处理器，可以使程序访问XML文档的结构和内容。Expat是PHP脚本语言的XML解析器。它同时也运用在其它项目中，例如Mozilla、Apache和Perl。

什么是基于事件的解析器？

XML解析器的两种基本类型：

基于树型的解析器：将XML文档转换成树型结构。这类解析器分析整篇文章，同时提供一个API来访问所产生树的每个元素。其通用的标准为DOM（文档对象模式）。
基于事件的解析器：将XML文档视为一系列的事件。当一个特殊事件发生时，解析器将调用开发者提供的函数来处理。
基于事件的解析器有一个XML文档的数据集中视图，也就是说它集中在XML文档的数据部分，而不是其结构。这些解析器从头到尾处理文档，并将类似于－元素的开始、元素的结尾、特征数据的开始等等－事件通过回调（callback）函数报告给应用程序。以下是一个"Hello-World"的XML文档范例：

<greeting>
Hello World
</greeting>

基于事件的解析器将报告为三个事件：

开始元素：greeting
CDATA项的开始，值为：Hello World
结束元素：greeting
不像基于树型的解析器，基于事件的解析器不产生描述文档的结构。在CDATA项中，基于事件的解析器不会让你得到父元素greeting的信息。
然而，它提供一个更底层的访问，这就使得可以更好地利用资源和更快地访问。通过这种方式，就没有必要将整个文档放入内存；而事实上，整个文档甚至可以大于实际内存值。


Expat就是这样的一种基于事件的解析器。当然如果使用Expat，必要时它一样可以在PHP中生成完全的原生树结构。


上面Hello-World的范例包括完整的XML格式。但它是无效的，因为既没有DTD（文档类型定义）与其联系，也没有内嵌DTD。


对于Expat，这并没有区别：Expat是一个不检查有效性的解析器，因此忽略任何与文档联系的DTD。但应注意的是文档仍然需要完整的格式，否则Expat（和其他符合XML标准的解析器一样）将会随着出错信息而停止。


作为不检查有效性的解析器，Exapt的快速性和轻巧性使其十分适合互联网程序。


编译Expat

Expat可以编译进PHP3.0.6版本（或以上）中。从Apache1.3.9开始，Expat已经作为Apache的一部分。在Unix系统中，通过-with-xml选项配置PHP，你可以将其编译入PHP。


如果你将PHP编译为Apache的模块，而Expat将默认作为Apache的一部分。在Windows中，你则必须要加载XML动态连接库。

XML范例：XMLstats

了解Expat的函数的一个办法就是通过范例。我们所要讨论的范例是使用Expat来收集XML文档的统计数据。


对于文档中每个元素，以下信息都将被输出：

该元素在文档中使用的次数
该元素中字符数据的数量
元素的父元素
元素的子元素
注意：为了演示，我们利用PHP来产生一个结构来保存元素的父元素和子元素

准备

用于产生XML解析器实例的函数为xml_parser_create()。该实例将用于以后的所有函数。这个思路非常类似于PHP中MySQL函数的连接标记。在解析文档前，基于事件的解析器通常要求你注册回调函数－用于特定的事件发生时调用。Expat没有例外事件，它定义了如下七个可能事件：


对象 XML解析函数 描述

元素 xml_set_element_handler() 元素的开始和结束

字符数据 xml_set_character_data_handler() 字符数据的开始

外部实体 xml_set_external_entity_ref_handler() 外部实体出现

未解析外部实体 xml_set_unparsed_entity_decl_handler() 未解析的外部实体出现

处理指令 xml_set_processing_instruction_handler() 处理指令的出现

记法声明 xml_set_notation_decl_handler() 记法声明的出现

默认 xml_set_default_handler() 其它没有指定处理函数的事件

所有的回调函数必须将解析器的实例作为其第一个参数（此外还有其它参数）。


对于本文最后的范例脚本。你需要注意的是它既用到了元素处理函数又用到了字符数据处理函数。元素的回调处理函数通过xml_set_element_handler()来注册。


这个函数需要三个参数：

解析器的实例
处理开始元素的回调函数的名称
处理结束元素的回调函数的名称
当开始解析XML文档时，回调函数必须存在。它们必须定义为与PHP手册中所描述的原型一致。


例如，Expat将三个参数传递给开始元素的处理函数。在脚本范例中，其定义如下：


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


第一个参数是解析器标示，第二个参数是开始元素的名称，第三参数为包含元素所有属性和值的数组。


一旦你开始解析XML文档，Expat在遇到开始元素是都将调用你的start_element()函数并将参数传递过去。


XML的Case Folding选项

用xml_parser_set_option()函数将Case folding选项关闭。这个选项默认是打开的，使得传递给处理函数的元素名自动转换为大写。但XML对大小写是敏感的（所以大小写对统计XML文档是非常重要的）。对于我们的范例，case folding选项必须关闭。


解析文档

在完成所有的准备工作后，现在脚本终于可以解析XML文档：

Xml_parse_from_file()，一个自定义的函数，打开参数中指定的文件，并以4kb的大小进行解析
xml_parse()和xml_parse_from_file()一样，当发生错误时，即XML文档的格式不完全时，将会返回false。
你可以使用xml_get_error_code()函数来得到最后一个错误的数字代码。将此数字代码传递给xml_error_string()函数即可得到错误的文本信息。
输出XML当前的行数，使得调试更容易。
在解析的过程中，调用回调函数。
描述文档结构

当解析文档时，对于Expat需要强调问题的是：如何保持文档结构的基本描述？


如前所述，基于事件的解析器本身并不产生任何结构信息。


不过标签(tag)结构是XML的重要特性。例如，元素序列<book><title>表示的意思不同于<figure><title>。也就是说，任何作者都会告诉你书名和图名是没有关系的，虽然它们都用到"title"这个术语。因此，为了更有效地使用基于事件的解析器处理XML，你必须使用自己的栈(stacks)或列表(lists)来维护文档的结构信息。


为了产生文档结构的镜像，脚本至少需要知道目前元素的父元素。用Exapt的API是无法实现的，它只报告目前元素的事件，而没有任何前后关系的信息