php实现读取网易有道词典输出单词的xml格式并且转化为html形式

一、总结

一句话总结:将xml中的文件用preg_match_all读出来,然后组合成想要的数据

1、explode除了爆炸的意思,还有什么意思?

解答:分割、分解、打碎

2、合并一个文档中多行为一行的方法是什么?

解答:替换,把换行符全部替换成空格。$con=str_replace(PHP_EOL,"",$con);

3、PHP正则中的多行匹配修饰符是?

解答:s。多行匹配修饰符s:$pattern="/<".$val.">.*?<\/".$val.">/s";。

4、如何解决file_put_contents函数 failed to open stream: Invalid argument的问题?

解答:把文件名从中文名改成英文名就OK了。

5、如何设置php文件的输出到页面的字符集?

解答:meta标签的charset属性,echo '<meta charset="utf-8"/>';。

6、preg_match_all的两个结果参数分别代表什么?

解答: $out[0]是包含匹配完整模式的字符串的数组, $out[1]是包含闭合标签内的字符串的数组。。

7、php中explode函数的作用是什么?

解答:用一个字符串去分割另外一个。

二、php实现读取网易有道词典的xml格式输出单词并且转化为html形式

正则表达式匹配多行问题:

xml中的trans标签,因为有的是多行的,所以用preg_match_all方法有一些匹配不到

解决策略一:去掉所有换行符

将所有行合并到一行,然后来提取,就没有换行符的影响了,这个时候回出现贪婪匹配的问题,就是比如<word>prompt</word><word>prompt</word><word>prompt</word>,匹配的时候直接匹配的是第一个<word>和最后一个</word>,中间的都被弄进去了,解决方法,优化正则表达式

合并行:$con=str_replace(PHP_EOL,"",$con);

惰性匹配:$pattern="/<".$val.">.*?<\/".$val.">/";  preg_match_all($pattern,$con,$temp);

解决策略二:多行匹配,可以用正则表达式修饰符s

多行匹配修饰符s:$pattern="/<".$val.">.*?<\/".$val.">/s";  preg_match_all($pattern,$con,$temp);

html标签贪婪匹配的问题:

比如<word>prompt</word><word>prompt</word><word>prompt</word>,匹配的时候直接匹配的是第一个<word>和最后一个</word>,中间的都被弄进去了,不同的word没有被区别开来

解决策略一:用惰性匹配就好

惰性匹配:$pattern="/<".$val.">.*?<\/".$val.">/";  preg_match_all($pattern,$con,$temp);

file_put_contents函数 failed to open stream: Invalid argument的问题

解答:把文件名从中文名改成英文名就OK了

1、原数据形式(部分)

<wordbook>
<item>
<word>prompt</word>
<trans><![CDATA[adj. 敏捷的,迅速的;立刻的
vt. 提示;促进;激起;(给演员)提白
n. 提示;付款期限;DOS命令:改变DOS系统提示符的风格
adv. 准时地]]></trans>
<phonetic><![CDATA[[prɒm(p)t]]]></phonetic>
<tags></tags>
<progress>1</progress>
</item>
<item>
<word>expression</word>
<trans><![CDATA[n. 表现,表示,表达;表情,脸色,态度,腔调,声调;式,符号;词句,语句,措辞,说法]]></trans>
<phonetic><![CDATA[[ɪk'sprɛʃən]]]></phonetic>
<tags></tags>
<progress>1</progress>
</item>
</wordbook>

2、最后呈现形式

3、代码

 <?php
/**
* Created by PhpStorm.
* User: rfan
* Date: 31/5/2018
* Time: 12:29 PM
*/
echo '<meta charset="utf-8"/>';
$con=file_get_contents('words.xml'); //应该是由于换行符的问题导致的trans匹配不到,那可以把所有的内容匹配成一行就好
$con=str_replace(PHP_EOL,"",$con);
//echo $con; //XML标签配置
$xmlTag=[
'word',
'trans',
'phonetic',
'tags',
'progress'
];
$arr = array();
foreach ($xmlTag as $key=>$val){
//应该是由于换行符的问题导致的trans匹配不到,那可以把所有的内容匹配成一行就好
/***********************************未去掉换行符后的正则表达式***********************************/
// $pattern='/<'.$val.'>'.'.*'.'/<\/'.$val.'>';
// $pattern="/<".$val.">[^<>]*<\/".$val.">/";
// $pattern="/<".$val.">.*\n*.*<\/".$val.">/"; //多行的问题只能匹配139个
// $pattern="/<".$val.">.*?<\/".$val.">/s"; //正确
/***********************************去掉换行符后的正则表达式***********************************/
$pattern="/<".$val.">.*?<\/".$val.">/"; //正确
// echo $pattern.'</br>';
preg_match_all($pattern,$con,$temp);
$arr[] = $temp[0];
// echo '<pre>';
// var_dump($temp);
// echo '</pre>';
} //echo '<pre>';
//var_dump($arr);
//echo '</pre>'; //去除XML标签并组装数据
$data = array();
foreach($arr as $key => $value) {
foreach($value as $k => $v) {
$a = explode($xmlTag[$key].'>', $v);
$v = substr($a[1], 0, strlen($a[1])-2);
$data[$k][$xmlTag[$key]] = $v;
}
} //echo '<pre>';
//var_dump($data);
//echo '</pre>'; //清除数据里面的<![CDATA[]]>
foreach($data as $key=>&$val){
foreach($val as $k => &$v){
// echo $v.'</br>';
$start="/<!\[CDATA\[/";
$end="/\]\]>/";
$v=preg_replace($start,"",$v);
$v=preg_replace($end,"",$v);
// echo $k.':&nbsp;&nbsp;'.$v.'</br>';
}
} //给数据添加好标签,然后按照自己格式输出到文本 //文章题号开始标记
$articleStart=1;
//每篇文章取单词的数目
$selectWordNum=20;
//单词索引号
$iii=1;
foreach($data as $key=>&$val){
if($iii%20==1){ if(isset($articleContent)&&!empty($articleContent)){
echo $articleContent; $fileName='commonWords/'.$pureTitle_en.'.html';
file_put_contents($fileName,$articleContent);
}
$pureTitle_en='commonWords'.$articleStart;
$pureTitle_cn='常用单词'.$articleStart++;
$title='<h1 style="text-align: center;">'.$pureTitle_cn.'</h1>';
$headPart=$title.'<h2>一、总结</h2><p>&nbsp;</p><p>&nbsp;</p><h2>二、'.'测试题-简答题'.'</h2>';
$articleContent=$headPart; }
//每道题目的问题
$pureQuestion=$val['word']."&nbsp;&nbsp;".$val['phonetic'];
$jj=$iii%20==0?20:$iii%20; //保证每篇文章每道题目的序号都是1-20
$question='<h3>'.$jj.'、'.$pureQuestion.'</h3>';
//每道题目的答案
$pureAnswer=$val['trans'];
$answer='<p>'.$pureAnswer.'</p><p>&nbsp;</p><p>&nbsp;</p>';
//添加每篇文章的内容
$articleContent.=$question.$answer; unset($val['tags']);
unset($val['progress']); $iii++;
} //如果有多的没完的哪一篇,把多的没完的那一篇打下来
if(isset($articleContent)&&!empty($articleContent)){
echo $articleContent; $fileName='commonWords/'.$pureTitle_en.'.html';
file_put_contents($fileName,$articleContent);
} //$str="dfafeasfasefase";
//$start="/^dfa/";
//$end="/ase$/";
//echo $str.'</br>';
//$str=preg_replace($start,"",$str);
//echo $str.'</br>';
//$str=preg_replace($end,"",$str);
//echo $str.'</br>'; //echo '<pre>';
//var_dump($data);
//echo '</pre>'; //按照自己格式输出到文本
//$file='wordsOk.text';
//file_put_contents($filet,$data);

三、附加

1、preg_match_all 使用实例

 <?php
preg_match_all("|<[^>]+>(.*)</[^>]+>|U",
"<b>example: </b><div align=left>this is a test</div>",
$out, PREG_PATTERN_ORDER);
echo $out[0][0] . ", " . $out[0][1] . "\n";
echo $out[1][0] . ", " . $out[1][1] . "\n";
?>
以上例程会输出: <b>example: </b>, <div align=left>this is a test</div>
example: , this is a test

因此, $out[0]是包含匹配完整模式的字符串的数组, $out[1]是包含闭合标签内的字符串的数组。

四、测试题-简答题

1、explode除了爆炸的意思,还有什么意思?

解答:分割、分解、打碎

2、合并一个文档中多行为一行的方法是什么?

解答:替换,把换行符全部替换成空格。$con=str_replace(PHP_EOL,"",$con);

3、PHP正则中的多行匹配修饰符是?

解答:s。多行匹配修饰符s:$pattern="/<".$val.">.*?<\/".$val.">/s";。

4、如何解决file_put_contents函数 failed to open stream: Invalid argument的问题?

解答:把文件名从中文名改成英文名就OK了。

5、如何设置php文件的输出到页面的字符集?

解答:meta标签的charset属性,echo '<meta charset="utf-8"/>';。

6、preg_match_all的两个结果参数分别代表什么?

解答: $out[0]是包含匹配完整模式的字符串的数组, $out[1]是包含闭合标签内的字符串的数组。。

7、php中explode函数的作用是什么?

解答:用一个字符串去分割另外一个。

 

php如何实现读取网易有道词典输出单词的xml格式并且转化为html形式的更多相关文章

  1. 调用网易有道词典api

    # -*- coding: utf-8 -*- #python 27 #xiaodeng #调用网易有道词典api import urllib import json class Youdao(): ...

  2. 我在用的翻译软件 -> 微软翻译+网易有道词典+谷歌翻译

    Windows网页翻译 因为微软翻译相对来说翻译网页更为准确,我也喜欢用谷歌的Chrome浏览器,但是我没找到微软翻译的扩展,这里只能放弃 这个需要配合Microsoft Edge浏览器进行使用,也是 ...

  3. php 生成bing词典能导入的xml(有道词典->bing词典)

    编程以来一直用网易有道词典查单词.翻译:最近一直在看英文方面的资料,于是越来越对有道词典(划词.广告,本来想转灵格斯的,但灵格斯没有android版)不满意,一番试用后决定转bing词典,于是想把有道 ...

  4. Python下载一张图片与有道词典

    1.下载一张图片代码1 import urllib.request response = urllib.request.urlopen('http://photocdn.sohu.com/201009 ...

  5. 【应用】_有道词典客户端一个后缀名为sql的数据库。

    [缘起] 在清理电脑磁盘的时候,看一看各安装文件夹有占用了多大容量,发现有道词典居然达140MB了,于是进去看看. 发现个有趣的文件:XXX.sql. 首先我们看一看它的安装文件夹的结构: Dict ...

  6. Mac上的欧路词典单词本迁移到有道词典 #node.js

    摘要 有道词典提供了柯林斯和朗文辞典,加上最近在背单词且Mac版的屏幕取词也够用了,为了云单词本的同步,决定抛弃Mac上的欧路词典.单词欧路上的单词本也存了一百多个单词.怎样迁移到有道呢? 关键词:n ...

  7. Teamwork-Week2真对必应词典和有道词典的软件分析和用户需求调查(桌面版)

    经调查,现在有道词典在该领域拥有很大程度的市场占有率,所以我们将有道词典与必应词典进行对比. 核心功能一:单词本 有道词典中的单词本都只能是由用户手动添加不会的单词,而必应词典中的单词 不仅可以被自己 ...

  8. ubuntu16.04安装不上有道词典的解决办法

    转自:http://www.linuxdiyf.com/linux/21143.html ubuntu16.04安装不上有道词典,提示: le@hu-pc:~/下载$ sudo dpkg -i you ...

  9. 有道词典 安卓版 更新日志 - imsoft.cnblogs

    手机词典 更新日志: 2014年4月23日 v5.0.4版本 ·         新增“全球发音”功能,带来世界各国的英文口音,体验原汁原味的英语发音: ·         新增“发现频道”,打造移动 ...

随机推荐

  1. MySQLSocketPHPvimApache

    原文:http://www.blogjava.net/asenyifei/articles/82575.html 自己装了一个MYSQL客户端,但却发现出现这样的错误: Can't connect t ...

  2. x264代码剖析(三):主函数main()、解析函数parse()与编码函数encode()

    x264代码剖析(三):主函数main().解析函数parse()与编码函数encode() x264的入口函数为main().main()函数首先调用parse()解析输入的參数,然后调用encod ...

  3. dot-files/directories 点开头的文件或文件夹(windows/linux)

    What's so special about directories whose names begin with a dot? 不管是 windows 系统,还是类 linux 系统,以点开头的文 ...

  4. 使用node.js+babel,支持import/export语法

    如果要在node里面支持import/export default语法步骤: 1.使用npm安装 babel的客户端工具 npm init 会生成package.json文件 2.接着安装bebel客 ...

  5. 洛谷—— P1069 细胞分裂

    https://www.luogu.org/problem/show?pid=1069#sub 题目描述 Hanks 博士是 BT (Bio-Tech,生物技术) 领域的知名专家.现在,他正在为一个细 ...

  6. 从大整数乘法的实现到 Karatsuba 快速算法

    Karatsuba 快速乘积算法是具有独特合并过程(combine/merge)的分治算法(Karatsuba 是俄罗斯人).此算法主要是对两个整数进行相乘,并不适用于低位数(如 int 的 32 位 ...

  7. 2013腾讯编程马拉松||HDU 4505 小Q系列故事——电梯里的爱情 水水水

    http://acm.hdu.edu.cn/showproblem.php?pid=4505 题目大意: 电梯最开始在0层,并且最后必须再回到0层才算一趟任务结束.假设在开始的时候已知电梯内的每个人要 ...

  8. TensorFlow 学习(十五)—— tensorflow.python.platform

    tensorflow.python.platform 下的常用工具类和工具函数:tensorflow/tensorflow/python/platform at master · tensorflow ...

  9. Oracle 带回滚的存储过程

    create or replace procedure PROC_insertUserAmount ( userid number, msgtype number, amountvalue numbe ...

  10. element ui源码解析 -- button篇

    要看源码就得从最简单的开始,button够简单的了,就从他开始吧. 安装依赖后源码目录在:node_modules/element-ui/packages中,可以看到这里的文件夹命名是不是很熟悉,就是 ...