Question

我尝试解析这个xml信息：

<text:p >Lorem<text:s/>ipsum.</text:p>

因此我使用XMLReader。几乎所有东西都在我需要的时候工作。但是＆lt; text：s /＆gt; -element给我带来了一些麻烦。由于我想删除任何格式标签（即粗体），我使用expand()->textContent来获取文字：

$reader = new XMLReader();
if (!$reader->open("content.xml");
while ($reader->read()) {
    if ($reader->nodeType == XMLREADER::ELEMENT && $reader->name === 'text:p') echo utf8_decode($reader->expand()->textContent);
}

在这种情况下，我会得到Loremipsum。＆＃39;而不是Lorem ipsum。＆＃39;。如何替换每个＆lt; text：s /＆gt;有空白。

更新我是这样做的：preg_replace("/<\\/?text:s(\\s+.*?>|>)/", " ", utf8_decode($reader->readInnerXML()))

更新

如果我使用DOMDocument进行解析，我该如何更改语法？

$reader = new DOMDocument();
$reader->load("zip://folder/".$file.".odt#content.xml");

while ($reader->read()){ 
    if ($reader->nodeType == XMLREADER::ELEMENT && $reader->name === 'text:h') { 
        if ($reader->getAttribute('text:outline-level')=="2") $html .= '<h2>'.$reader->expand()->textContent.'</h2>';
    }
    elseif ($reader->nodeType == XMLREADER::ELEMENT && $reader->name === 'text:p') { 
        if ($reader->getAttribute('text:style-name')=="Standard") {
            $str = $reader->readInnerXML(); 
            // replace text:s-elements with " " at this point
        }
    }
}

Answer 1

您不想输出<text:p>元素，但是您只想输出文本节点和<text:s>元素作为空格：

 $reader = new XMLReader();
 $result = $reader->open("content.xml");
 if (!$result) {
     throw new UnexpectedValueException('Could not open XML file for reading.');
 }

while ($reader->read()) {
    if ($reader->nodeType == XMLREADER::ELEMENT && $reader->name === 'text:s') {
        echo " "; // SPACE
    }
    if ($reader->nodeType == XMLREADER::TEXT) {
        echo $reader->textContent;
    }
}

因此处理逻辑问题更严重， XMLReader 的技术问题更少。

关于我在我的例子中遗漏的字符编码的一些注释：

如果将输出作为UTF-8传送，通常不需要转换为Latin-1（utf8_decode）。请参阅Character encodings。

如果您的目标输出是必要的，那么很可能没有必要在那个地方处理它，请参阅ob_iconv_handler。

用空格</text：s>替换<text：s>

1 个答案: