在非分层输入上使用 xpath答案

【问题标题】：using xpath on non-hierarchical input在非分层输入上使用 xpath
【发布时间】：2021-07-26 05:32:30
【问题描述】：

我在 PHP 中使用 SimpleXML 和 xpath 来读取 xml 文件。问题是文件（不是我自己设计的）并不是真正的层次结构。例如：

<country>USA</country>
...
...
<city>Los Angeles</city>
<city>San Diego</city>
...
...
<country>Canada</country>
...
...
<city>Toronto</city>
<city>Banff</city>
...
...
<country>Scotland</country>
...
...
<city>Glasgow</city>
<city>Edinburgh</city>
<city>Banff</city>

... 代表任意数量的其他字段。我可以使用 $xml = simplexml_load_file( 'filename' ); 读取文件我的问题是找到每个$xml->xpath("//city") 对应的<country>

也就是说，我想知道如何在每个城市的 xml 数据中找到最后出现的国家

【问题讨论】：

在处理此类数据之前，值得进行 XSLT 转换以将其转换为结构更好的 XML 格式。

标签： php xml xpath

【解决方案1】：

这里有两种观点来解决这个问题。一种是迭代所有city 元素并找到它之前的country 兄弟。

$data = new SimpleXMLElement($xml);

$cities = [];
foreach ($data->xpath('//city') as $city) {
    $country = (string)($city->xpath('preceding-sibling::country')[0] ?? '');
    $cities[] = $city.', '.$country; 
}
var_dump($cities);

另一种方法是同时迭代所有 country 和 city 元素并存储当前的 country。

$data = new SimpleXMLElement($xml);
$country = '';
$cities = [];
foreach ($data->xpath('//*[self::country or self::city]') as $node) {
    if ($node->getName() == 'country') {
        $country = (string)$node; 
    } else {
        $cities[] = $node.', '.$country; 
    }
}
var_dump($cities);

这将避免为每个 city 元素执行第二个 Xpath 表达式。

对于 DOM 用户来说，这看起来并没有太大的不同。首先使用二级表达式：

$document = new DOMDocument();
$document->loadXML($xml);
$xpath = new DOMXpath($document);

$cities = [];
foreach ($xpath->evaluate('//city') as $city) {
    $country = $xpath->evaluate('string(preceding-sibling::country)', $city);
    $cities[] = $city->textContent.', '.$country; 
}
var_dump($cities);

存储当前国家：

$document = new DOMDocument();
$document->loadXML($xml);
$xpath = new DOMXpath($document);

$country = '';
$cities = [];
foreach ($xpath->evaluate('//*[self::country or self::city]') as $node) {
    if ($node->localName == 'country') {
        $country = $node->textContent; 
    } else {
       $cities[] = $node->textContent.', '.$country; 
    }
}
var_dump($cities);

【讨论】：

【解决方案2】：

不幸的是，simplexml 不支持 xpath 2.0，因此要实施@Birei 的建议，您必须走很长的路：

$cities = $xml->xpath("//city");
foreach ($cities as $city) {
   $country =  $city[0]->xpath('./preceding-sibling::country[1]');
   echo trim($city) . ' ' . trim($country[0]);
   echo "\r\n";
}

你应该得到相同的输出。

【讨论】：

【解决方案3】：

我不知道php，但有一个xpath 2.0 表达式可以找到它们：

假设一个固定的输入文件，比如：

<root>
<country>USA</country>
<city>Los Angeles</city>
<city>San Diego</city>
<country>Canada</country>
<city>Toronto</city>
<city>Banff</city>
<country>Scotland</country>
<city>Glasgow</city>
<city>Edinburgh</city>
<city>Banff</city>
</root>

xpath 2.0 表达式：

for $x in //city return concat($x, ', ', $x/preceding-sibling::country[1])

产量：

'Los Angeles, USA'
'San Diego, USA'
'Toronto, Canada'
'Banff, Canada'
'Glasgow, Scotland'
'Edinburgh, Scotland'
'Banff, Scotland'

【讨论】：

太棒了，谢谢，我一定会试一试的。