從使用SimpleXML

Question

我讀通過第三方應用程序生成一個XML文件，包含以下內容的XML文件中提取HTML：

<Cell> 
    <Comment ss:Author="Mark Baker"> 
     <ss:Data xmlns="http://www.w3.org/TR/REC-html40"><B><Font html:Face="Tahoma" html:Size="8" html:Color="#000000">Mark Baker:</Font></B><Font html:Face="Tahoma" html:Size="8" html:Color="#000000">&#10;Comment 1 - No align</Font></ss:Data> 
    </Comment> 
</Cell> 

我試圖做的是從訪問原始數據Cell-> Comment-> Data元素或者「原樣」或者作爲（X）HTML標記的實際塊（最好是後者）。

if (isset($cell->Comment)) { 
    echo 'comment found<br />'; 
    $commentAttributes = $cell->Comment->attributes($namespaces['ss']); 
    if (isset($commentAttributes->Author)) { 
     echo 'Author: ',(string)$commentAttributes->Author,'<br />'; 
    } 
    $commentData = $cell->Comment->children($namespaces['ss']); 
    var_dump($commentData); 
    echo '<br />'; 
} 

給我：

comment found 
Author: Mark Baker 
object(SimpleXMLElement)#130 (2) { ["@attributes"]=> array(1) { ["Author"]=> string(10) "Mark Baker" } ["Data"]=> object(SimpleXMLElement)#129 (0) { } } 

而

if (isset($cell->Comment)) { 
    echo 'comment found<br />'; 
    $commentAttributes = $cell->Comment->attributes($namespaces['ss']); 
    if (isset($commentAttributes->Author)) { 
     echo 'Author: ',(string)$commentAttributes->Author,'<br />'; 
    } 
    $commentData = $cell->Comment->Data->children(); 
    var_dump($commentData); 
    echo '<br />'; 
} 

給我：

comment found 
Author: Mark Baker 
object(SimpleXMLElement)#129 (2) { ["B"]=> object(SimpleXMLElement)#118 (1) { ["Font"]=> string(11) "Mark Baker:" } ["Font"]=> string(21) " Comment 1 - No align" } 

不幸的是，simplexml的似乎是把整個元素作爲一系列XML的節點。我確信我應該能夠得到這個沒有複雜循環的原始數據，或者將元素饋送到DOM Parser;也許使用xmlns =「http://www.w3.org/TR/REC-html40」命名空間來乾淨地提取這個，但我不知道如何。

任何幫助表示讚賞。 XML數據的

更復雜的例子：

<Cell> 
    <Comment ss:Author="Mark Baker"> 
     <ss:Data xmlns="http://www.w3.org/TR/REC-html40"> 
      <B><Font html:Face="Tahoma" html:Size="8" html:Color="#000000">Mark Baker:</Font></B><Font html:Face="Tahoma" html:Size="8" html:Color="#000000">&#10;</Font><B><Font html:Face="Tahoma" x:Family="Swiss" html:Size="8" html:Color="#000000">Rich </Font><U><Font html:Face="Tahoma" x:Family="Swiss" html:Size="8" html:Color="#FF0000">Text </Font></U><Font html:Face="Tahoma" x:Family="Swiss" html:Size="8" html:Color="#000000">Comment</Font></B><Font html:Face="Tahoma" html:Size="8" html:Color="#000000"> Center Aligned</Font> 
     </ss:Data> 
    </Comment> 
</Cell> 

Answer 1

我已經走了與時間是一個快速和骯髒的解決方案。從長遠來看，我將切換到使用XMLReader（出於所有提到的原因）......我現在沒有時間重寫所有現有的simpleXML代碼。

我已經有：

$node = $cell->Comment->Data->asXML(); 
$comment = substr($node,49,-10); 
$comment = strip_tags($comment); 

雖然我寧願保持HTML標記，這將需要額外的工作，所以我乾脆剝離所有的標記留下我與純文本（這是關鍵因素）。雖然這是一個遠非完美的解決方案，但它完成了我所需要的工作（目前），並且我可以移動到「待辦事項」列表中的下一個項目，已經添加了一個新項目「使用XMLReader重寫」到該列表。

感謝您的幫助。當我正在進行重寫時，我一定會重新訪問這個線程。

Answer 2

如果<ss:Data>元素內的HTML被認爲是一個字符串，它必須被纏繞成CDATA section作爲評價已經暗示

$xml = <<< XML 
<Cell> 
    <Comment ss:Author="Mark Baker"> 
     <ss:Data xmlns="http://www.w3.org/TR/REC-html40"> 
      <![CDATA[ 
       <B><Font html:Face="Tahoma" … html:Color="#000000"> 
      ]]> 
     </ss:Data> 
    </Comment> 
</Cell> 
XML; 
libxml_use_internal_errors(TRUE); 
$cell = simplexml_load_string($xml); 
echo $cell->Comment->Data; 

如果它不在CDATA部分，它將被視爲節點。然後，您將查找<ss:Data>的內部XML以將其作爲原始XML。不幸的是，SimpleXml和DOM都沒有一種原生的方式直接獲取。你必須使用用戶級的實現。

innerXml的Userland實現通常會迭代所有子節點並連接其原始XML。或者他們轉儲整個樹和字符串替換根節點。或者他們創建一個片段或將節點導入到另一個文檔中。

我不知道有任何其他方式來做到這一點。不知道這是否可能與XSLT。儘管如此，XMLReader有一個readInnerXML方法。

Answer 3

如果您的實施是使用DOM，我相信你可以做到以下幾點：

//given $node is <ss:data> 

$frag = $node->ownerDocument->createDocumentFragment(); 
foreach($node->childNodes as $child){ 
    $frag->appendChild($child->cloneNode(true)); 
} 
$string = $node->ownerDocument->saveXML($frag); 

Answer 4

所以我知道你的問題已經來臨，但我有同樣的問題，我不得不弄清楚我是如何處理它。爲了後代，我是這麼來的。

如果你只接受（X）HTML：

$data = str_replace('<?xml version="1.0"?>','',$xmlNode->asXML()); 

如果你認爲有人要把XML和你與OK，你只需要殺掉第一個，自動生成的XML標籤：

$data = preg_replace('/^<\?xml version="1.0"\?\>\n/', '',$xmlNode->asXML()); 

所以，你的代碼應該是這樣的：

if (isset($cell->Comment)) { 
    echo 'comment found<br />'; 
    $commentAttributes = $cell->Comment->attributes($namespaces['ss']); 
    if (isset($commentAttributes->Author)) { 
     echo 'Author: ',(string)$commentAttributes->Author,'<br />'; 
    } 
    $commentData = str_replace('<?xml version="1.0"?>','',$cell->Comment->Data->asXML()); 
    echo $commentData; 
    echo '<br />'; 
}