文本问题中的 XML 2 数组标记 [重复]

Question

我正在努力解决以下问题。我尝试将 xml 文档转换为 PHP 中的数组，到目前为止工作正常。但我确实有一些特殊元素，其中包含带有标记的文本。元素看起来像这样：

<section>
    <name>sectionname</name>
    <subsection>
        <subsectionname>one</subsectionname>
        <element>
            <text>some text <xref>a</xref>, <xref>b</xref>, <xref>c</xref></text>
        </element>
    </subsection>
    <subsection>
        <subsectionname>two</subsectionname>
        <element>
            <text>some text <xref>a</xref>, <xref>b</xref>, <xref>c</xref></text>
        </element>
    </subsection>
</section>

我首先尝试使用 simplexml：

$xml = simplexml_load_string($string) or die("Error: Cannot create object");
$json = json_encode($xml);
$array = json_decode($json, TRUE);

但是这将返回一个包含“一些文本，，等等”的元素，而没有外部参照的内容。我真正想要的是整个文本“一些文本a，b，c等等”，但恐怕我不知道如何实现这一点。 我已经给了 DOMDocument 一个机会，但是因为它是一个非常复杂的 xml，所以对整个事情有问题。

有什么想法可以让我收到我想要的东西吗？

编辑：我添加了一个更复杂的 xml 示例。如您所见，我需要遍历部分，然后是子部分，然后是带有标记和文本的元素。

Answer 1

SimpleXML 的问题在于它倾向于将文本节点分成 1 个块。为了能够正确拆分文本，您往往必须使用 DOMDocument。

如您所见，这会加载文档，然后使用 XPath 查找元素/文本节点（这只是为了找到正确的点 - 如果您愿意，可以使用 getElementsByTagName()）。然后在该节点内，它再次使用 XPath 查找所有文本节点（使用 descendant::text()），然后依次从文档中的 <text> 节点获取每段文本。

对于每个 Text 节点，这会创建一个空白的 $text 字符串，并在循环中将内容添加到其中，然后显示它...

$data = '<section>
    <name>sectionname</name>
    <subsection>
        <subsectionname>one</subsectionname>
        <element>
            <text>some text <xref>a</xref>, <xref>b</xref>, <xref>c</xref></text>
        </element>
    </subsection>
    <subsection>
        <subsectionname>two</subsectionname>
        <element>
            <text>some text <xref>a</xref>, <xref>b</xref>, <xref>c</xref>d</text>
        </element>
    </subsection>
</section>';

$dom = new DOMDocument();
$dom->loadXML($data);
$xp = new DOMXPath($dom);
foreach ( $xp->query("//element/text") as $element ) {
    $text = '';
    foreach ( $xp->query("descendant::text()", $element) as $textNode )    {
        $text .= $textNode->textContent;
    }   
    echo $text.PHP_EOL;
}

这显示（我修改了第二个以提供帮助）...

some text a, b, c
some text a, b, cd

编辑：

正如 ThW 指出的那样，使用 textContent 将获取包括子节点在内的所有文本，因此您可以将内部循环缩短为

foreach ( $xp->query("//element/text") as $element ) {
    echo $element->textContent.PHP_EOL;
}

Answer 2

使用DOMDocument 很容易——如果我理解正确的问题，你可以这样尝试~ 虽然只有一小部分 XML 的 sn-p，这可能有点过分

<?php

    $strxml='<?xml version="1.0" encoding="UTF-8"?>
        <root>
            <element>
                <text>some text <xref>a</xref>, <xref>b</xref>, <xref>c</xref> and some more</text>
            </element>
            <element>
                <text>a banana <xref>FFF</xref>, <xref>GGG</xref>, <xref>ZZZ</xref> and some more bananas</text>
            </element>
        </root>';

    $dom=new DOMDocument;
    $dom->loadXML( $strxml );

    $col=$dom->getElementsByTagName('element');
    $output=array();

    foreach( $col as $node )$output[]=$node->childNodes[1]->nodeValue;


    printf('<pre>%s</pre>',print_r( $output, true ) );

?>

会输出

Array
(
    [0] => some text a, b, c and some more
    [1] => a banana FFF, GGG, ZZZ and some more bananas
)