我读过著名的帖子。我已经看到了有限的成功和失败的尝试。哦，这里和其他地方的火焰 war 。

但这是可以做到的。

虽然我知道实际的论点(阅读事实)是正则表达式不适合解析结构化数据树，因为它们无法监控和更改状态，但我觉得有些人盲目地放弃了这种可能性。应用程序逻辑是保持状态所必需的，但正如这个有效示例所示，它是可以做到的。

相关片段如下:

const PARSE_MODE_NEXT = 0;
const PARSE_MODE_ELEMENT = 1;
const PARSE_MODE_ENTITY = 3;
const PARSE_MODE_COMMENT = 4;
const PARSE_MODE_CDATA = 5;
const PARSE_MODE_PROC = 6;

protected $_parseModes = array(
        self::PARSE_MODE_NEXT     => '% < (?: (?: (?<entity>!) (?: (?<comment>--) | (?<cdata>\[CDATA\[) ) ) | (?<proc>\?) )? %six',
        self::PARSE_MODE_ELEMENT  => '% (?<close>/)? (?<element> .*? ) (?<empty> / )? > (?<text> [^<]* ) %six',
        self::PARSE_MODE_ENTITY   => '% (?<entity> .*? ) > (?<text> [^<]* ) %six',
        self::PARSE_MODE_COMMENT  => '% (?<comment> .*? ) --> (?<text> [^<]* ) %six',
        self::PARSE_MODE_CDATA    => '% (?<cdata> .*? ) \]\]> (?<text> [^<]* ) %six',
        self::PARSE_MODE_PROC     => '% (?<proc> .*? ) \?> (?<text> [^<]* ) %six',
    );

public function load($string){
    $parseMode = self::PARSE_MODE_NEXT;
    $parseOffset = 0;
    $context = $this;
    while(preg_match($this->_parseModes[$parseMode], $string, $match, PREG_OFFSET_CAPTURE, $parseOffset)){
        if($parseMode == self::PARSE_MODE_NEXT){
            switch(true){
                case (!($match['entity'][0] || $match['comment'][0] || $match['cdata'][0] || $match['proc'][0])):
                    $parseMode = self::PARSE_MODE_ELEMENT;
                    break;
                case ($match['proc'][0]):
                    $parseMode = self::PARSE_MODE_PROC;
                    break;
                case ($match['cdata'][0]):
                    $parseMode = self::PARSE_MODE_CDATA;
                    break;
                case ($match['comment'][0]):
                    $parseMode = self::PARSE_MODE_COMMENT;
                    break;
                case ($match['entity'][0]):
                    $parseMode = self::PARSE_MODE_ENTITY;
                    break;
            }
        }else{
            switch($parseMode){
                case (self::PARSE_MODE_ELEMENT):
                    switch(true){
                        case (!($match['close'][0] || $match['empty'][0])):
                            $context = $context->addChild(new ZuqMLElement($match['element'][0]));
                            break;
                        case ($match['empty'][0]):
                            $context->addChild(new ZuqMLElement($match['element'][0]));
                            break;
                        case ($match['close'][0]):
                            $context = $context->_parent;
                            break;
                    }
                    break;
                case (self::PARSE_MODE_ENTITY):
                    $context->addChild(new ZuqMLEntity($match['entity'][0]));
                    break;
                case (self::PARSE_MODE_COMMENT):
                    $context->addChild(new ZuqMLComment($match['comment'][0]));
                    break;
                case (self::PARSE_MODE_CDATA):
                    $context->addChild(new ZuqMLCharacterData($match['cdata'][0]));
                    break;
                case (self::PARSE_MODE_PROC):
                    $context->addChild(new ZuqMLProcessingInstruction($match['proc'][0]));
                    break;
            }
            $parseMode = self::PARSE_MODE_NEXT;
        }
        if(trim($match['text'][0])){
            $context->addChild(new ZuqMLText($match['text'][0]));
        }
        $parseOffset = $match[0][1] + strlen($match[0][0]);
    }

}

完成了吗？没有。

它牢不可破吗？当然不是。

它快吗？ 没有进行基准测试，但我无法想象它和 DOM 一样快。

它支持 XPath/XQuery 吗？显然不支持。

它是否验证或执行任何其他辅助任务？当然不会。

它会取代 DOM 吗？ 绝对不会。

但是，它会解析这个吗？

<?xml version="1.0" encoding="utf-8"?>
<!ENTITY name="value">
<root>
    <node>
        <node />
        Foo
        <node name="value">
            <node>Bar</node>
        </node>
        <!-- Comment -->
    </node>
    <node>
        <[CDATA[ Character Data ]]>
    </node>
</root>

是的。是的。

虽然我欢迎这个线程成为社区 Wiki，因为它符合要求，但我会将此陈述变成一个问题。

关注正则表达式，任何人都可以预见在这种情况下，当它用于格式正确的标记时会严重失败吗？我想我已经涵盖了我的所有基础。

我无意“搅局”，但我希望从硬币的两面都有一些见解。

另请注意，编写此代码的目的是 SimpleXML 太简单了，而 DOM 对于我的一个应用程序来说太严格了。

最佳答案

Focusing on the regex, can anyone foresee a situation under which this would fail horribly when used against well-formed markup?When run against the XML conformance test suite, how many well-formed XML documents does it reject, and how many ill-formed XML documents does it accept?

也许那些拥有 XML 社区文化的人最大的反对意见是它不仅会解析大多数格式良好的 XML 文档，它还会解析大多数非 XML 文档，因为它不会告诉你他们是病态的。现在也许您认为这在您的环境中无关紧要 - 但最后，如果您接受格式错误的文档，那么人们就会开始向您发送格式错误的文档，不久之后您就会陷入与 HTML 一样的困惑之中，由于遗留原因，您必须接受任何旧垃圾。

我对 PHP 的了解还不够多，无法快速判断您的代码对格式良好的 XML 的处理情况。但我质疑其动机——当有现成的非常好的、正确的、快速的、免费的解析器时，为什么你会想要手工编写一个便宜、脏、慢的 XML 解析器？

关于php - 使用 Regex 解析 XML/XHTML 数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4790325/