php - 使用 PHP 提取多级重复 xml 标记之间的文本

Question

我正在尝试在多级 XML 标记之间提取文本。
这是
<eSearchResult> <Count>7117</Count> <RetMax>10</RetMax> <RetStart>0</RetStart> <QueryKey>1</QueryKey> <WebEnv> NCID_1_457044331_130.14.22.215_9001_1401819380_1399850995 </WebEnv> <IdList> <Id>24887359</Id> <Id>24884828</Id> <Id>24884718</Id> <Id>24884479</Id> <Id>24882343</Id> <Id>24879340</Id> <Id>24871662</Id> <Id>24870721</Id> <Id>24864115</Id> <Id>24863809</Id> </IdList> <TranslationSet/> <TranslationStack> <TermSet> <Term>BRCA1[tiab]</Term> . . . </TranslationStack> </eSearchResult>
我只想提取其中<ID></ID>包含的标签之间的十个ID的数据文件<IdList></IdList>。正则表达式让我得到十个值中的第一个值。 preg_match_all('~<Id>(.+?)<\/Id>~', $temp_str, $pids) xml 数据存储在 $temp_Str 变量中，我正在尝试获取存储在 $pids 中的值还有其他建议吗？

Answer 1

您应该使用 php 的 xpath 功能，如下所述：

http://www.w3schools.com/php/func_simplexml_xpath.asp

例子：

<?php
$xml = simplexml_load_file("searchdata.xml");
$result = $xml->xpath("IdList/Id");
print_r($result);
?> 

XPath 很灵活，可以有条件地使用，并且还支持多种其他语言。它也比正则表达式更具可读性和更容易编写，因为您可以在不使用前瞻的情况下构造条件查询。

Answer 2

使用 preg_match_all ( http://www.php.net/manual/en/function.preg-match-all.php )，我包含了一个匹配<Id>标签内数字的正则表达式。最棘手的部分（我认为）是在我迭代的 foreach 循环中$out[1]。这是因为，从上面的 URL，

排序结果，使得 $matches[0] 是一个完整模式匹配的数组，$matches[1] 是一个由第一个带括号的子模式匹配的字符串数组，依此类推。

preg_match_all('/<Id>\s*(\d+)\s*<\/Id>/',
   "<eSearchResult>
<Count>7117</Count>
<RetMax>10</RetMax>
<RetStart>0</RetStart>
<QueryKey>1</QueryKey>
<WebEnv>
NCID_1_457044331_130.14.22.215_9001_1401819380_1399850995
</WebEnv>
<IdList>
<Id>24887359</Id>
<Id>24884828</Id>
<Id>24884718</Id>
<Id>24884479</Id>
<Id>24882343</Id>
<Id>24879340</Id>
<Id>24871662</Id>
<Id>24870721</Id>
<Id>24864115</Id>
<Id>24863809</Id>
</IdList>
<TranslationSet/>
<TranslationStack>
<TermSet>
<Term>BRCA1[tiab]</Term>
</TranslationStack>
</eSearchResult>",
$out,PREG_PATTERN_ORDER);
foreach ($out[1] as $o){
      echo $o;
      echo "\n";
}
?>

Answer 3

将此模式(?:\<IdList\>|\G)\s*\<Id\>(\d+)\<\/Id\>与g选项
Demo一起使用

Answer 4

不要使用 PCRE 来解析 XML。这里有 CSS 选择器和更好的 Xpath 来获取 XML DOM 的一部分。

如果你想要第一个元素中的任何Id元素IdListeSearchResult

/eSearchResult/IdList[1]/Id

正如您所见，Xpath “知道” XML 文档的实际结构。PCRE 没有。

您需要为 DOM 文档创建一个 Xpath 对象

$dom = new DOMDocument();
$dom->loadXml($xmlString);
$xpath = new DOMXpath($dom);

$result = [];
foreach ($xpath->evaluate('/eSearchResult/IdList[1]/Id') as $id) [
  $result[] = trim($id->nodeValue);
}
var_dump($id);