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

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。