PHPでXMLの名前空間つきタグを読み込む色々
PHPのSimpleXMLでRSSを読み込もうと思ったら、
名前空間つきのタグが読み込めなかったので、色々な方法を試してみた備忘録。
実験の対象として、はてなブックマークのホットエントリのRSSを使ってみます。
$url = "http://b.hatena.ne.jp/hotentry.rss"; $str = file_get_contents( $url );
SimpleXMLを使う方法
普通にSimpleXMLで読み込むと、<dc:date>や<hatena:bookmarkcount>など、
名前空間プレフィックスつきのタグを読み込むことが出来ません。
$simplexml = simplexml_load_string( $str ); var_dump( $simplexml );
SimpleXMLで名前空間つきタグを扱うには、childrenメソッドを使います。
例えば、<hatena:bookmarkcount>の値を取得する場合、
次のように掘っていく必要があります。
$simplexml->item[$i]->children("hatena", true)->bookmarkcount;
ループでitem要素全てまとめて処理してみます。
それぞれのitem要素にhatena->bookmarkcountが追加されます。
$simplexml = simplexml_load_string( $str );
$i = count( $simplexml->item );
while( $i-- ){
$simplexml->item[$i]->hatena->bookmarkcount = $simplexml->item[$i]->children("hatena", true)->bookmarkcount;
}
var_dump( $simplexml );
DOMDocumentクラスを使う
DOM文書を読み込むためのDOMDocumentクラスを使ってみます。
JavaScriptでも使うような、getElementsByTagNameなんていうお馴染みのメソッドを使って
文書構造を掘っていきます。
$dom = DOMDocument::loadXML( $str );
foreach( $dom->getElementsByTagName("item") as $item ){
foreach( $item->childeNodes as $node ){
if( $node->nodeType === 1 ){
echo "{$node->nodeName} : {$node->nodeValue}";
}
}
}
nodeTypeには、ノードの種類が整数で渡されています。
上で言う「1」はエレメントノードですね。
cf) PHP: 定義済み定数 – Manual
勿論、プレフィックスつきのタグも問題なく読み込めます。
出力時に楽なように、エントリーをまとめて一つの配列に突っ込んでみます。
$dom = DOMDocument::loadXML( $str );
$entries = array();
foreach( $dom->getElementsByTagName( "item" ) as $item ){
$entry = array();
foreach( $item->childNodes as $node ){
if( $node->nodeType !== 1 ) continue;
if( $item->getElementsByTagName( $node->nodeName )->length > 1 ){
if( !isset( $entry[ $node->nodeName ] ) ){
$entry[ $node->nodeName ] = array();
}
array_push( $entry[ $node->nodeName ], $node->nodeValue );
} else {
$entry[ $node->nodeName ] = $node->nodeValue;
}
}
array_push( $entries, $entry );
}
var_dump( $entries );
複数あるタグは配列で対応。
書いてみたものの…
DOMDocumentのまま使った方が使いやすい気もしたり。
むしろこういう使い方するならSimpleXML使った方がよいですね。
XMLReaderクラスを使う
SimpleXMLやDOMDocumentが、XMLの情報をドッカンと丸ごとメモリに置いておくのに大して、
XMLReaderはfopenのようにポインタの位置だけを保持しておく為、メモリに優しく高速。らしい。
ですが、ポインタの位置だけだと正直使い辛いのも事実。
$xml = XMLReader::load( $url, null, LIBXML_NOBLANKS );
while( $xml->read() ){
echo "{$xml->nodeType} : {$xml->name} = {$xml->value} @ {$xml->depth} <br />";
}
$xml->read()でノードを一つずつ読み進んでいく感じ。
多階層なXMLを読んでいくのは骨が折れそう。
これは重た～いXMLを読まなきゃいけない時用の代物ですね。
まとめ
名前に違わず相当楽ですね、SimpleXML。
名前空間つきのタグも処理したい場合等は、DOMDocumentの方がシンプルに処理出来そう。
XMLReaderはパフォーマンスを意識したい場合に。
上手に使い分けたいですね！
- 2010/12/18
- マニュアルのリンクを修正