|
既然從技術(shù)上講，RSS是結(jié)構(gòu)良好的XML文檔，所以可以用標(biāo)準(zhǔn)的XML編程技術(shù)來處理它。主要有兩種技術(shù)：SAX（the Simple API for XML）和DOM(the Document Object Model)。
SAX分析器工作時遍歷整個XML文檔，在遇到不用類型的標(biāo)記時調(diào)用特定的函數(shù)。比如，調(diào)用特定函數(shù)處理一個開始標(biāo)記，調(diào)用另一個函數(shù)處理一個結(jié)束標(biāo)記，再調(diào)用一個函數(shù)處理兩者之間的數(shù)據(jù)。分析器的職責(zé)僅僅是順序遍歷這個文檔。而它所調(diào)用的函數(shù)負(fù)責(zé)處理發(fā)現(xiàn)的標(biāo)記。一旦一個標(biāo)記被處理完畢，分析器繼續(xù)分析文檔中的下一個元素,這一過程不斷重復(fù)。
另一方面，DOM分析器工作是把整個XML文檔讀進(jìn)內(nèi)存當(dāng)中，并將之轉(zhuǎn)換成一種分層的樹型結(jié)構(gòu)。而且為訪問不同的樹結(jié)點（以及結(jié)點所附的內(nèi)容）提供了API。遞歸處理方式加上API函數(shù)使得開發(fā)者能夠區(qū)分不同類型的結(jié)點（元素，屬性，字符數(shù)據(jù)，注釋等），同時根據(jù)文檔樹的結(jié)點類型和結(jié)點深度，使得執(zhí)行不同的動作成為可能。
SAX和DOM分析器幾乎支持每一種語言，包括你我的最愛——PHP。我將在這篇文章中利用PHP的SAX分析器處理RDF的例子。 當(dāng)然，使用DOM分析器也同樣很容易。
讓我們看這個簡單的例子，把它記在腦海里。下面是一個我將要使用的RDF文件，這個文件直接選自http://www.freshmeat.net/ ：
<?xml version="1.0" encoding="ISO-8859-1"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns="http://purl.org/rss/1.0/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
>
<channel rdf:about="http://freshmeat.net/">
<title>freshmeat.net</title>
<link>http://freshmeat.net/</link>
<description>freshmeat.net maintains the Web's largest index of Unix
and cross-platform open source software. Thousands of applications are
meticulously cataloged in the freshmeat.net database, and links to new
code are added daily.</description>
<dc:language>en-us</dc:language>
<dc:subject>Technology</dc:subject>
<dc:publisher>freshmeat.net</dc:publisher>
<dc:creator>freshmeat.net contributors</dc:creator>
<dc:rights>Copyright (c) 1997-2002 OSDN</dc:rights>
<dc:date>2002-02-11T10:20+00:00</dc:date>
<items>
<rdf:Seq>
<rdf:li rdf:resource="http://freshmeat.net/releases/69583/" />
<rdf:li rdf:resource="http://freshmeat.net/releases/69581/" />
<!-- and so on -->
</rdf:Seq>
</items>
<image rdf:resource="http://freshmeat.net/img/fmII-button.gif" />
<textinput rdf:resource="http://freshmeat.net/search/" />
</channel>
<image rdf:about="http://freshmeat.net/img/fmII-button.gif">
<title>freshmeat.net</title>
<url>http://freshmeat.net/img/fmII-button.gif</url>
<link>http://freshmeat.net/</link>
</image>
<item rdf:about="http://freshmeat.net/releases/69583/">
<title>sloop.splitter 0.2.1</title>
<link>http://freshmeat.net/releases/69583/</link>
<description>A real time sound effects program.</description>
<dc:date>2002-02-11T04:52-06:00</dc:date>
</item>
<item rdf:about="http://freshmeat.net/releases/69581/">
<title>apacompile 1.9.9</title>
<link>http://freshmeat.net/releases/69581/</link>
<description>A full-featured Apache compilation HOWTO.</description>
<dc:date>2002-02-11T04:52-06:00</dc:date>
</item>
<!-- and so on -->
</rdf:RDF>
下面是分析這一文檔并顯示其中數(shù)據(jù)的PHP腳本：
<?php
// XML file
$file = "fm-releases.rdf";
// set up some variables for use by the parser
$currentTag = "";
$flag = "";
// create parser
$xp = xml_parser_create();
// set element handler
xml_set_element_handler($xp, "elementBegin", "elementEnd");
xml_set_character_data_handler($xp, "characterData");
xml_parser_set_option($xp, XML_OPTION_CASE_FOLDING, TRUE);
// read XML file
if (!($fp = fopen($file, "r")))
{
die("Could not read $file");
}
// parse data
while ($xml = fread($fp, 4096))
{
if (!xml_parse($xp, $xml, feof($fp)))
{
die("XML parser error: " .
xml_error_string(xml_get_error_code($xp)));
}
}
// destroy parser
xml_parser_free($xp);
// opening tag handler
function elementBegin($parser, $name, $attributes)
{
global $currentTag, $flag;
// export the name of the current tag to the global scope
$currentTag = $name;
// if within an item block, set a flag
if ($name == "ITEM")
{
$flag = 1;
}
}
// closing tag handler
function elementEnd($parser, $name)
{
global $currentTag, $flag;
$currentTag = "";
// if exiting an item block, print a line and reset the flag
if ($name == "ITEM")
{
echo "<hr>";
$flag = 0;
}
}
// character data handler
function characterData($parser, $data)
{
global $currentTag, $flag;
// if within an item block, print item data
if (($currentTag == "TITLE" || $currentTag == "LINK" ||
$currentTag ==
"DESCRIPTION") && $flag == 1)
{
echo "$currentTag: $data <br>";
}
}
?>
看不明白？ 別著急，后面將會作出解釋。
捕獲旗標(biāo)
這段腳本首先要做的是設(shè)定一些全局變量：
// XML file
$file = "fm-releases.rdf";
// set up some variables for use by the parser
$currentTag = "";
$flag = "";
$currentTag變量保存是分析器當(dāng)前處理的元素的名稱——你很快就會看到為什么需要它。
因為我的最終目的是顯示頻道中的每一個單獨的條目（item），并且?guī)в墟溄Y(jié)。另外還要知道分析器什么時候退出了<channel></channel>區(qū)塊，什么時候又進(jìn)入了文檔的 <item></item>部分。再說我用的是SAX分析器，它按順序方式工作，沒有任何分析器API可供使用，無法知道文檔樹中的深度和位置。所以，我不得不自己發(fā)明一個機制來做這件事——這就是引入$flag變量的原因。
$flag變量將用于判斷分析器是在<channel>區(qū)塊還是在<item>區(qū)塊里面。
下一步要做的是初始化SAX分析器，并開始分析RSS文檔。
// create parser
$xp = xml_parser_create();
// set element handler
xml_set_element_handler($xp, "elementBegin", "elementEnd");
xml_set_character_data_handler($xp, "characterData");
xml_parser_set_option($xp, XML_OPTION_CASE_FOLDING, TRUE);
// read XML file
if (!($fp = fopen($file, "r")))
{
die("Could not read $file");
}
// parse data
while ($xml = fread($fp, 4096))
{
if (!xml_parse($xp, $xml, feof($fp)))
{
die("XML parser error: " .
xml_error_string(xml_get_error_code($xp)));
}
}
// destroy parser
xml_parser_free($xp);
這段代碼簡單明了，其中的注釋已經(jīng)解釋的足夠清楚了。xml_parser_create()函數(shù)建立一個分析器實例，并將之賦給句柄$xp。接著再創(chuàng)建回調(diào)函數(shù)處理開標(biāo)記和閉標(biāo)記，以及二者之間的字符數(shù)據(jù)。最后，xml_parse()函數(shù)聯(lián)合多次fread()調(diào)用，讀取RDF文件并分析它。
在文檔中，每次遇到開標(biāo)記，開標(biāo)記處理器elementBegin()就會被調(diào)用。
// opening tag handler
function elementBegin($parser, $name, $attributes)
{
global $currentTag, $flag;
// export the name of the current tag to the global scope
$currentTag = $name;
// if within an item block, set a flag
if ($name == "ITEM")
{
$flag = 1;
}
}
這個函數(shù)以當(dāng)前標(biāo)記的名稱和屬性作為起參數(shù)。標(biāo)記名稱被賦值給全局變量$currentTag。如果，這個開標(biāo)記是<item>，那么把$flag變量置1。
同樣，如果遇到閉標(biāo)記，那么閉標(biāo)記處理器elementEnd()將被調(diào)用。
// closing tag handler
function elementEnd($parser, $name)
{
global $currentTag, $flag;
$currentTag = "";
// if exiting an item block, print a line and reset the flag
if ($name == "ITEM")
{
echo "<hr>";
$flag = 0;
}
}
閉標(biāo)記處理函數(shù)也是以標(biāo)記名稱作為其參數(shù)。如果是遇到的是一個為</item>的閉標(biāo)記，變量$flag的值重置為0，并把變量$currentTag的值清空。
那么，如何處理標(biāo)記之間的字符數(shù)據(jù)呢？ 這才是我們的興趣所在。先向字符數(shù)據(jù)處理器characterData()打個招呼吧。
// character data handler
function characterData($parser, $data)
{
global $currentTag, $flag;
// if within an item block, print item data
if (($currentTag == "TITLE" || $currentTag == "LINK" ||
$currentTag ==
"DESCRIPTION") && $flag == 1)
{
echo "$currentTag: $data <br>";
}
}
現(xiàn)在你可以看一下傳給這個函數(shù)的參數(shù)，你會發(fā)現(xiàn)它只接收了開標(biāo)記和閉標(biāo)記之間的數(shù)據(jù)，而根本不知道分析器當(dāng)前正在處理哪個標(biāo)記。而這正事我們一開始就引入全局變量$currentTag的原因。
如果$flag變量的值為１，也就是說如果分析器當(dāng)前處于<item></itme>區(qū)塊之間，那么當(dāng)前被處理的元素，不管是<title>,<link>還是<description>，數(shù)據(jù)都被打印到輸出設(shè)備上（在這里，輸出設(shè)備是Ｗeb瀏覽器），并在每個元素的輸出后面加上換行符<br>。
整個ＲＤＦ文檔就是以這種順序方式處理，每發(fā)現(xiàn)一個<item>標(biāo)記就顯示一定的輸出。你可以看一下下面的運行結(jié)果：
|
