Question

首先让我们定义＆＃34;终端元素＆＃34; （出于这个问题的特殊目的）。

通过＆＃34;终端元素＆＃34;我的意思是元素里面没有其他元素。

元素参考：http://www.w3schools.com/xml/xml_elements.asp

如何从XML文档/节点中移除所有空格（换行符，回车符，制表符和空格）以及＆＃34;终端元素＆＃34;用PHP？

规则：仅PHP本机XML解析器（无正则表达式）。

Answer 1

“终端元素”（叶元素节点）之外的所有空格都在文本节点内（因为所有文本都在文本节点内）。因此，如果您获得了终端元素之外的所有文本节点，则可以从中删除所有空白字符。这已经是答案了。

让我们从XML文档中的一个文本节点中删除空格开始。

由于PHP使用UTF-8作为XML解析器的字符编码（在本例中我使用DOMDocument），preg_replace在这里很方便，因为它知道UTF-8和空白字符是什么：

/** @var DomText $text */
$text->nodeValue = preg_replace('~\s+~u', '', $text->textContent);

这将从文本节点中删除所有空格。以下是对此的演示：

$doc = new DOMDocument();
$doc->loadXML('<root> Very Simple Demo </root>');

$text = $doc->documentElement->childNodes->item(0);

/** @var DomText $text */
$text->nodeValue = preg_replace('~\s+~u', '', $text->textContent);

$doc->save('php://output');

输出：

<?xml version="1.0"?>
<root>VerySimpleDemo</root>

正如您所看到的那样，空格字符将从属于该文档的唯一文本节点中删除。

使用更大的文档和“终端元素”，这自然更有趣，但工作方式基本相同。唯一的区别是获取不属于叶元素节点的所有文本节点。最好使用xpath查询：

//*[*]/text()

这是：所有文本节点都是包含其他元素的元素的子节点。我们使用以下XML（文件content.xml）作为示例：

<?xml version="1.0"?>
<content>
    <parent>
        <child id="1">
            <title>child 1</title>

            <child id="1">
                <title>
                    child 1.1 with whitespace
                </title>
            </child>
        </child>
    </parent>
</content>

它包含这样的叶元素以及具有子元素的其他元素。它也很好地显示了用于元素缩进的空白。

加载后：

$file = __DIR__ . '/content.xml';

$doc = new DOMDocument();
$doc->load($file);

执行xpath-query需要DOMXPath：

$xp    = new DOMXPath($doc);
$texts = $xp->query('//*[*]/text()');

剩下的就是迭代所有这些文本节点并应用如上所述的空白删除：

foreach ($texts as $text) {
    /** @var DomText $text */
    $text->nodeValue = preg_replace('~\s+~u', '', $text->textContent);
}

结果是：

<?xml version="1.0"?>
<content><parent><child id="1"><title>child 1</title><child id="1"><title>
                    child 1.1 with whitespace
                </title></child></child></parent></content>

这应该回答这个问题。但如果没有更多的冗长或一点点“但......”，它就不是XML。

请注意，xpath中的“text()”表示所有类型的文本节点。 CDATA部分。如果CDATA部分仅包含空格，则上面的代码将空CDATA部分（“<![CDATA[]]>”）呈现到输出中。解决这个问题的一种方法是从文档中删除空节点：

/** @var DomText $text */
$text->nodeValue = preg_replace('~\s+~u', '', $text->textContent);
if (!$text->length) {
    $text->parentNode->removeChild($text);
}

然后，

然后从文档中删除所有清空的文本节点。保持文档树整洁。希望这会有所帮助。

Answer 2

DOMDocument::normalizeDocument可以做你想要的。

如果要标准化各个元素，可以调用DOMNode::normalize

PHP＆amp; XML：如何删除“终端元素”之外的所有空格

2 个答案: