在 PHP 中解析 XML 和 TXT 文件

Question

我有一个 Text.xml 文件，其中包含一些文本和该文本中的参考书目。它看起来像这样：

Text.xml

<p>…blabla S.King (1987). Bla bla bla J.Doe (2001) blabla bla J.Martin (1995) blabla…</p>

我有一个 Reference.txt 文件，其中包含书目参考列表和每个参考的 ID 号。它看起来像这样：

Reference.txt

b1#S.King (1987)
b2#J.Doe (2001)
b3#J.Martin (1995)

我想从 Reference.txt 中找到所有参考书目到 Text.xml，然后添加一个带有 ID 的标签。目标是 TextWithReference.xml 必须如下所示：

TextWithReference.xml

<p>…blabla <ref type="biblio" target=“b1”>S.King (1987)</ref>. Bla bla bla <ref type="biblio" target=“b2”>J.Doe (2001)</ref> blabla bla <ref type="biblio" target=“b3”>J.Martin (1995)</ref> blabla…</p>

为此，我使用了一个 php 文件。

搜索和替换.php

<?php
$handle = fopen("Reference.txt","r");
while(!feof($handle))
{
    $ligne = fgets($handle,1024);
    $tabRef[] = $ligne;
}   
fclose($handle);

$handleXML = fopen("Text.xml","r");
$fp = fopen("TextWithReference.xml", "w");
while(!feof($handleXML))
{
    $ligneXML = fgets($handleXML,2048);
        for($i=0;$i<sizeof($tabRef);$i++)
        {
            $tabSearch = explode('/#/',$tabRef[$i]);
            $xmlID = $tabSearch[0];
            $searchString = trim($tabSearch[1]);
            if(preg_match('/$searchString/',$ligneXML))
            {
                $ligneXML = preg_replace('/($searchString)/','/<ref type=\"biblio\" target=\"#$xmlID\">\\0</ref>/',$ligneXML);
            }

        }
    fwrite($fp, $ligneXML);
}
fclose($handleXML);
fclose($fp);

?>

问题是这个 php 脚本只是复制 TextWithReference.xml 中的 Text.xml 没有识别参考书目，也没有添加标签……

非常感谢您的帮助！

Answer 1

您的代码存在许多问题。

1. 搜索字符串包含正则表达式中的特殊字符，例如括号。如果您想从字面上匹配它们，则需要转义它们。 preg_quote 函数执行此操作。

2. 您的文件读取循环不正确。 while (!feof()) 不是读取文件的正确方法，因为直到您在文件末尾读取 之后 才会设置 EOF 标志。因此，您将花费额外的时间来完成这些循环。正确的写法是while ($ligne = fgets())。

3. 在尝试替换 $searchString 和 $xmlID 的字符串周围有单引号。变量仅在双引号内替换。见What is the difference between single-quoted and double-quoted strings in PHP?

4. 您不需要在preg_replace 中的替换字符串周围放置/ 分隔符。

5. 每次处理Text.xml 中的行时，从Reference.txt 中分解、修剪和转义行是低效的。在阅读 Reference.txt 时执行一次。

6. 在替换字符串中，使用$0 替换源中匹配的文本。 \0 是一种过时的方法，不建议使用。

7. 您不需要在正则表达式中的搜索字符串周围加上括号，因为您没有在替换中使用$1 捕获组。由于它围绕整个正则表达式，它与$0 相同。

这是工作重写：

<?php
$handle = fopen("Reference.txt","r");
$tabRef = array();
while($ligne = trim(fgets($handle,1024))) {
    list($xmlID, $searchString) = explode('#', $ligne);
    $tabRef[] = array($xmlID, preg_quote($searchString));
}   
fclose($handle);

$handleXML = fopen("Text.xml","r");
$fp = fopen("TextWithReference.xml", "w");
while($ligneXML = fgets($handleXML,2048)) {
    foreach ($tabRef as $tabSearch) {
        $xmlID = $tabSearch[0];
        $searchString = $tabSearch[1];
        if(preg_match("/$searchString/",$ligneXML)) {
            $ligneXML = preg_replace("/$searchString/","<ref type=\"biblio\" target=\"#$xmlID\">$0</ref>",$ligneXML);
        }
    }
    fwrite($fp, $ligneXML);
}
fclose($handleXML);
fclose($fp);

?>

另一项改进利用了将使用数组作为preg_replace 的搜索和替换参数的能力，而不是使用循环。在读取Reference.txt 时，在那里创建正则表达式和替换字符串，并将它们分别放入一个数组中。

<?php
$handle = fopen("Reference.txt","r");
$search = array();
$replacement = array();
while($ligne = trim(fgets($handle,1024))) {
    list($xmlID, $searchString) = explode('#', $ligne);
    $search[] = "/" . preg_quote($searchString) . "/";
    $replacement[] = "<ref type=\"biblio\" target=\"#$xmlID\">$0</ref>";
}   
fclose($handle);

$handleXML = fopen("Text.xml","r");
$fp = fopen("TextWithReference.xml", "w");
while($ligneXML = fgets($handleXML,2048)) {
    $ligneXML = preg_replace($search,$replacement,$ligneXML);
    fwrite($fp, $ligneXML);
}
fclose($handleXML);
fclose($fp);

?>