PHP simplexml_load_string() “吃掉”一些标签

Question

经过数小时的代码调试后，我发现 simplexml_load_string() 似乎默默地删除了节点值中的所有子实体。为了演示这个问题，我做了一个小 PHP 脚本：

#!/usr/bin/php
<?php
$xml = <<<XML
<?xml version="1.0" encoding="UTF-8"?>
<channel>
  <element name="headline">
    <p>Line 1<br class="HardReturn"/>Line 2</p>
    <p>This is <b>bold</b> text</p>
  </element>
</channel>
XML;

libxml_use_internal_errors(true);
$xml = simplexml_load_string($xml, "SimpleXMLElement");
$errors = libxml_get_errors();
print_r($errors);
var_dump($xml);

在 shell 中运行时，我得到以下输出：

Array
(
)
object(SimpleXMLElement)#1 (1) {
  ["element"]=>
  object(SimpleXMLElement)#2 (2) {
    ["@attributes"]=>
    array(1) {
      ["name"]=>
      string(8) "headline"
    }
    ["p"]=>
    array(2) {
      [0]=>
      string(12) "Line 1Line 2"
      [1]=>
      string(13) "This is  text"
    }
  }
}

知道我做错了什么吗？

Answer 1

SimpleXML 并没有“吃掉”节点，它只是不太擅长在调试输出（如 print_r）中显示它们。 SimpleXML API 针对 XML 作为数据树的应用程序进行了优化，而不是像您在此处使用的带有标记的文本。

在更复杂的 API（例如 DOM）中，您的第一个 p 元素将显示为具有 三个 子节点：

• 包含“第 1 行”的文本节点
• 一个br元素，属性class，值HardReturn
• 包含“第 2 行”的文本节点

然而，SimpleXML 没有单独的“文本节点”对象，而是当您转换为字符串时，它有一个元素的组合文本内容 的访问器。在这种情况下，它结合了两个文本节点，给出“Line 1Line 2”。您仍然可以访问 br 元素，只是看不到它相对于文本的位置。

echo "String content: ", (string)$xml->element->p[0], "\n";
echo "Child element attribute: ", (string)$xml->element->p[0]->br['class'], "\n";

String content: Line 1Line 2
Child element attribute: HardReturn

使用第二个p 元素，可以表示一整棵节点树：

• 一个文本节点包含“这是”
• 一个子元素b
  • b 元素内的文本节点 带有文本“粗体”
• 带有文本“text”的文本节点（在p 元素中）

由于字符串表示只捕获直接包含的文本节点，p 元素的组合文本内容就是“这是”+“文本”。

echo "String content: ", (string)$xml->element->p[1], "\n";
echo "Child element string content: ", (string)$xml->element->p[1]->b, "\n";

String content: This is text
Child element string content: bold

在这两种情况下，我们都可以看到所有的节点都还在，并且取出了原来的XML：

echo "First paragraph: ", $xml->element->p[0]->asXML(), "\n";
echo "Second paragraph: ", $xml->element->p[1]->asXML(), "\n";

First paragraph: <p>Line 1<br class="HardReturn"/>Line 2</p>
Second paragraph: <p>This is <b>bold</b> text</p>

要直接使用文本节点，您需要使用不同的 API，例如 DOM；或者，因为这个例子看起来实际上是 HTML，所以寻找一个面向 HTML 的库。

Answer 2

不知道为什么var_dump 会跳过<bold> 标签，但他的<bold> 标签仍然存在。为了证明这一点，请尝试

echo $xml->asXML() ."\r\n";

输出应该与您的输入完全相同。也试试

$target = $xml->xpath("//b");
echo $target[0];

输出是

bold