?综述

??XML代表Extensible Markup Language（eXtensible Markup Language的缩写，意为可扩展的标记语言）。XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。它也是元标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。XML是当今最热门的技术。而PHP也具有分析XML文档的功能,下面我们将共同探讨一下PHP中的XML应用的情况。

??XML概貌

　　谈起XML(eXtended Markup Language：可扩展标记语言)，我们不妨先看一段HTML的代码：

??＜html＞
??＜title＞XML＜/title＞
??＜body＞
??＜p＞＜center＞＜font color="red"＞TEXT＜/font＞＜/center＞＜/p＞
??＜a href=""＞＜img src="http://edu.cnzz.cn/NewsInfo/logo.jpg"/＞＜/a＞
??＜/body＞
??＜/html＞ 

　　上面这段代码从结构上就符合XML的规则，XML可以理解是包含数据的树形的结构类型：

??1、引用同一个元素的时候，使用一致的大小写，如＜center＞＜/Center＞就是不符合规定的
??2、任何属性值(如 href="????")要用""引起来，如＜a href=www.yahoo.com＞就是不正确的
??3、所有元素必须由打开＜和关闭＞标注组成，元素应该形如＜body＞＜/body＞或空元素＜img ... /＞，如果结尾的 "/＞" 少了"/"就是错误的代码
??4、所有元素必须彼此嵌套，就像写程序的循环一样，而且，所有的元素必须嵌套于根元素之中，比如上面的代码所有的内容都嵌套于＜html＞＜/html＞之中。
??5、元素名称(即上面的body a p img等)应为字母开头。

??怎样应用PHP的XML解析器Expat？

??Expat是PHP脚本语言的XML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。它是一种基于事件的解析器。XML解析器有两种基本类型：

??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

　　基于事件的解析器不产生描述文档的结构，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。在CDATA项中，基于事件的解析器不会得到父元素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。

　　上面Hello-World的范例虽然包括完整的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。但是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。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。

??编译Expat

　　Expat可以编译进PHP3.0.6版本（或以上）中。从Apache1.3.22开始，Expat已经作为Apache的一部分。在Unix系统中，可以通过-with-xml选项配置PHP将其编译入PHP。

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

　　XML范例：XMLstats
　　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

?用于产生XML解析器实例的函数有哪些？

　　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，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)

??$parser是解析器标志，$name是开始元素的名称，$attrs为包含元素所有属性和值的数组。

??一旦开始解析XML文档，Expat在遇到开始元素是都将调用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。

　　如何对文档进行解析?

　　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。

　　我们可以使用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。

　　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＞。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，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。因此，需要建立自己的栈结构。

　　脚本范例使用先进后出(FILO)的栈结构。通过一个数组，栈将保存全部的开始元素。对于开始元素处理函数，目前的元素将被array_push()函数推到栈的顶部。相应的，结束元素处理函数通过array_pop()将最顶的元素移走。

　　对于序列＜book＞＜title＞＜/title＞＜/book＞，栈的填充如下：

??开始元素book：将"book"赋给栈的第一个元素($stack[0])。
??开始元素title：将"title"赋给栈的顶部($stack[1])。
??结束元素title：从栈中将最顶部的元素移去($stack[1])。
??结束元素title：从栈中将最顶部的元素移去($stack[0])。

　　PHP3.0通过一个$depth变量手动控制元素的嵌套来实现范例，这就使脚本看起来比较复杂。PHP4.0通过array_pop()和array_push()两个函数来使脚本看起来更简洁。

??如何收集XML文档中的元素信息？

　　为了收集每个元素的信息，脚本需要记住每个元素的事件。通过使用一个全局的数组变量$elements来保存文档中所有不同的元素。数组的项目是元素类的实例，有4个属性（类的变量）

??$count -该元素在文档中被发现的次数
??$chars -元素中字符事件的字节数
??$parents -父元素
??$childs - 子元素

　　注意：PHP的一个特性是你可以通过while(list() = each())loop遍历整个类结构，如同你遍历整个相应的数组一样。所有的类变量（当你用PHP3.0时还有方法名）都以字符串的方式输出。

　　当发现一个元素时，我们需要增加其相应的记数器来跟踪它在文档中出现多少次。在相应的$elements项中的记数元素也要加一。

　　我们同样要让父元素知道目前的元素是它的子元素。因此，目前元素的名称将会加入到父元素的$childs数组的项目中。最后，目前元素应该记住谁是它的父元素。所以，父元素被加入到目前元素$parents数组的项目中。

??显示统计信息

　　剩下的代码在$elements数组和其子数组中循环显示其统计结果。这就是最简单的嵌套循环，尽管输出正确的结果，但代码既不简洁又没有任何特别的技巧，它仅仅是一个你可能每天用他来完成工作的循环。

　脚本范例被设计为通过PHP的CGI方式的命令行来调用。因此，统计结果输出的格式为文本格式。如果你要将脚本运用到互联网上，那么你需要修改输出函数来产生HTML格式。

??如何用PHP&XML编制一个迷你搜索引擎实例？

　　让我们首先来熟悉一下我们程序中用到的那个XML（保存为xyz.xml）。

＜?xml version="1.0" encoding="gb2312" ?＞
＜links＞采用PHP和XML技术构建的搜索引擎
＜web memo="memo1" url=""＞name1＜/web＞
＜sub＞电脑网络
＜web memo="nemo2"＞name2＜/web＞
＜sub＞程序设计
＜web memo="memo3"＞name3＜/web＞
＜sub＞PHP
＜web url="" memo="[英文]PHP开发资源。"＞
＜/web＞
＜web url="" memo="[英文]PHP开发手册。 "＞
PHP Manual＜/web＞
＜/sub＞
＜/sub＞
＜/sub＞
＜/links＞

??它的结构相当简单，根元素就是links，sub代表着一个类别，web就是一个网站的信息，其中包含着属性，url代表网站的联接，memo为备注信息，＜web＞？？＜/web＞ 、＜sub＞？？＜/sub＞中包含的为元素的数据在这里就是类别和网站的名称，这是符合上面的规定的。

??现在我们来回答上面提出的问题：为什么要用XML来编制搜索引擎？
??第一个原因就是有时候由于各种原因我们可能不能用到数据库（MySQL或者其他）；
??其次，对于小数据量的搜索引擎来说，它的数据量很小，如果用数据库来做，效率未必有多高；

??最重要的一点是，这个搜索引擎维护起来相当的简单，并且不用编写繁琐的数据库的维护的程序。例如，我们要添加一个类别或者网页，只要编辑文本的文件，加上一福紈eb＞???＜/web＞或是＜sub＞????＜/sub＞就可以了，而且，如果想把一个类别移动到另一个地方的话，我们只要将这一部分的sub复制过去就行了。

??下面一个最简单的用PHP显示XML的范例。

??下面的程序是将解析XML并按照树形结构输出至浏览器，并显示每层的元素总数。

＜?php
$file = "demo.xml";// XML文件
function xml_parse_from_file($parser, $file) {// 解析XML文件的函数 }
function start_element($parser, $name, $attrs) {//遇到了开元素标记如＜a href="link"＞就执行这一段}
function stop_element($parser, $name) {//遇到了开元素标记如＜/body＞就执行这一段}
function data($parser, $data) {……}
function showcount(){ //显示每一层的元素总数}

global $level,$levelcount,$maxlevel;
$level = -1;
$parser = xml_parser_create();// 产生解析器的实例
xml_set_element_handler($parser, "start_element", "stop_element"); // 设置处理函数
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); // 释放解析器
showcount();
?＞ 

??在上面的程序的基础上，可以显示一段子树，我们依照元素的层数和他在该层的第几号来对他进行定位

??例如：

????links （0，1）
????+----web （1，1）
????+----sub （1，2）
????| +----web （2，1）
????| +----sub （2，2）
????| | +----web （3，1）
????| | +----sub （3，2）
????:
????:
????: 

??下面的代码是我们的搜索引擎的基础。因为，要显示出一个子类别（如程序设计-＞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($hide){ //判断是否在子树的范围内，$hide==FALSE 为在
if($level==$lev&&$levelcount[$level]==$num)
$hide=FALSE;
}else{
if($level＜=$lev)$hide=TRUE;
}

if(!$hide){
……//输出
}
}
function data($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？

??作了若干的铺垫，下面我们就来看一下我们的搜索引擎的主要文件。

??第一段为仿sina，yahoo的按照类别查询
??第二段为搜索查询部分(把整个树遍历一遍)显示符合的内容。

??xml3.php

??关键字匹配采用eregi函数，我们假设输入的文字都是不会导致错误的。