1

我有一个格式奇怪的 XML 文件，我想提取该<text xml:space="preserve" bytes="1099">部分并将该信息转换为它自己的数组。

我想我必须找到 | 分隔符和拆分，但不太确定如何做到这一点。

  <page>
    <title>Martial Ares</title>
    <ns>0</ns>
    <id>23026</id>
      <sha1>7imznp2a51dh3kslf5gtqnkpkidlvom</sha1>
    <revision>
      <id>79960</id>
      <timestamp>2014-02-25T07:24:27Z</timestamp>
      <contributor>
        <username>JScathach</username>
        <id>8024930</id>
      </contributor>
        <text xml:space="preserve" bytes="1017">{{Infobox card (2)
            |card name=[Martial] Ares
            |character name=Ares
            |release_date=May 1 2013
            |image 1=MartialAres5.jpg
            |rarity 1=Super Special Rare
            |pwr req 1=28
            |sale price 1=94200
            |max card lv 1=60
            |max mastery lv 1=40
            |quote 1=Ares prefers weapons that were used during the age of Greek myth: sword, axe, and spear.  But he can use any weapon expertly, and turn most ordinary objects into lethal weapons.
            |base atk 1=2440
            |base def 1=2650
            |max atk 1=7015
            |max def 1=7613
            |mastery bonus atk 1=915
            |mastery bonus def 1=993
            |image 2=MartialAres6.jpg
            |rarity 2=Ultimate Rare
            |sale price 2=188400
            |max mastery lv 2=200
            |quote 2=Next time I see Hercules, We're going to have a steel conversation. It's about time for him to answer for massacring my Stymphalian Birds.
            |max atk 2=9822
            |max def 2=10660
            |mastery bonus atk 2=1098
            |mastery bonus def 2=1192
            |alignment=Bruiser
            |ability=Warhawk
            |gender=Male
            |usage=Average
            |faction=Super Hero
            |effect=Significantly harden DEF of your Bruisers.
            |centretrait=None
            }}
            __NOWYSIWYG__
      </text>
    </revision>
  </page>
4

2 回答 2

2

您可以通过以下方式获取文本：

$xml = simplexml_load_string($string);
$text = $xml->revision->text;
于 2015-08-02T21:42:53.547 回答
1

我想我必须找到 | 分隔符和拆分，但不太确定如何做到这一点。

PHP 的基于 libxml 的库（包括SimpleXMLElement和DOMDocument）及其默认选项确实保留了问题文本元素中的空格，因此您应该会遇到一些小问题。

对于编码到文本元素 text-value 中的格式，这是Mediawiki语法，并且在开始时它的最大部分是Infobox Template。

{{Infobox
 | title = Top level title
 | data1 = {{Infobox | decat = yes | child = yes
    | title = First subsection
    | label1= Label 1.1
    | data1 = Data 1.1
   }}
 | data2 = {{Infobox | decat = yes | child = yes
  |title = Second subsection
  | label1= Label 2.1
  | data1 = Data 2.1
  }}
 | belowstyle = 
 | below = Below text
}}

嵌入使用的信息框模板示例

信息框模板遵循通用模板语法来命名模板并为其提供（命名或未命名）参数。您可以在Help:Template的使用语法部分找到这一点。由于 Mediawiki 本身是用 PHP 编写的，您甚至可以在其源代码中找到与解析这些模板代码相关的 PHP 代码。它显示了如何以比帮助页面更严格的方式解析这些数据，但是由于它的源代码采用了一些模块化和结构化的方式，因此更加复杂。根据您的程序员类型，它可能会让您不知所措，因为它需要阅读技能和有关 PCRE 正则表达式的知识。

从我目前所看到的情况来看，您需要先提取（递归）{{...}}块。在这些中，您可以解析标题和任意数量的（命名或未命名）参数。分隔这些字段的分隔符是|. 我不能说这些分隔符中的任何一个是否可以，或者它们是否被转义，也不能说字段和名称是否可以使用多行值 - 在给出的示例旁边显示一个值可以是另一个模板然后可以是多行的。

于 2015-08-04T05:58:56.733 回答