鲜肉
既然从技术上讲，RSS是结构良好的XML文档，所以可以用标准的XML编程技术来处理它。主要有两种技术：SAX（the Simple API for XML）和DOM(the Document Object Model)。
SAX分析器工作时遍历整个XML文档，在遇到不用类型的标记时调用特定的函数。比如，调用特定函数处理一个开始标记，调用另一个函数处理一个结束标记，再调用一个函数处理两者之间的数据。分析器的职责仅仅是顺序遍历这个文档。而它所调用的函数负责处理发现的标记。一旦一个标记被处理完毕，分析器继续分析文档中的下一个元素,这一过程不断重复。
另一方面，DOM分析器工作是把整个XML文档读进内存当中，并将之转换成一种分层的树型结构。而且为访问不同的树结点（以及结点所附的内容）提供了API。递归处理方式加上API函数使得开发者能够区分不同类型的结点（元素，属性，字符数据，注释等），同时根据文档树的结点类型和结点深度，使得执行不同的动作成为可能。
SAX和DOM分析器几乎支持每一种语言，包括你我的最爱——PHP。我将在这篇文章中利用PHP的SAX分析器处理RDF的例子。 当然，使用DOM分析器也同样很容易。
让我们看这个简单的例子，把它记在脑海里。下面是一个我将要使用的RDF文件，这个文件直接选自http://www.freshmeat.net/ ：
<?xml version="1.0" encoding="ISO-8859-1"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns="http://purl.org/rss/1.0/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
>
<channel rdf:about="http://freshmeat.net/">
<title>freshmeat.net</title>
<link>http://freshmeat.net/</link>
<description>freshmeat.net maintains the Web's largest index of Unix
and cross-platform open source software. Thousands of applications are
meticulously cataloged in the freshmeat.net database, and links to new
code are added daily.</description>
<dc:language>en-us</dc:language>
<dc:subject>Technology</dc:subject>
<dc:publisher>freshmeat.net</dc:publisher>
<dc:creator>freshmeat.net contributors</dc:creator>
<dc:rights>Copyright (c) 1997-2002 OSDN</dc:rights>
<dc:date>2002-02-11T10:20+00:00</dc:date>
<items>
<rdf:Seq>
<rdf:li rdf:resource="http://freshmeat.net/releases/69583/" />
<rdf:li rdf:resource="http://freshmeat.net/releases/69581/" />
<!-- and so on -->
</rdf:Seq>
</items>
<image rdf:resource="http://freshmeat.net/img/fmII-button.gif" />
<textinput rdf:resource="http://freshmeat.net/search/" />
</channel>
<image rdf:about="http://freshmeat.net/img/fmII-button.gif">
<title>freshmeat.net</title>
<url>http://freshmeat.net/img/fmII-button.gif</url>
<link>http://freshmeat.net/</link>
</image>
<item rdf:about="http://freshmeat.net/releases/69583/">
<title>sloop.splitter 0.2.1</title>
<link>http://freshmeat.net/releases/69583/</link>
<description>A real time sound effects program.</description>
<dc:date>2002-02-11T04:52-06:00</dc:date>
</item>
<item rdf:about="http://freshmeat.net/releases/69581/">
<title>apacompile 1.9.9</title>
<link>http://freshmeat.net/releases/69581/</link>
<description>A full-featured Apache compilation HOWTO.</description>
<dc:date>2002-02-11T04:52-06:00</dc:date>
</item>
<!-- and so on -->
</rdf:RDF>
下面是分析这一文档并显示其中数据的PHP脚本：
<?php
// XML file
$file = "fm-releases.rdf";
// set up some variables for use by the parser
$currentTag = "";
$flag = "";
// create parser
$xp = xml_parser_create();
// set element handler
xml_set_element_handler($xp, "elementBegin", "elementEnd");
xml_set_character_data_handler($xp, "characterData");
xml_parser_set_option($xp, XML_OPTION_CASE_FOLDING, TRUE);
// read XML file
if (!($fp = fopen($file, "r")))
{
die("Could not read $file");
}
// parse data
while ($xml = fread($fp, 4096))
{
if (!xml_parse($xp, $xml, feof($fp)))
{
die("XML parser error: " .
xml_error_string(xml_get_error_code($xp)));
}
}
// destroy parser
xml_parser_free($xp);
// opening tag handler
function elementBegin($parser, $name, $attributes)
{
global $currentTag, $flag;
// export the name of the current tag to the global scope
$currentTag = $name;
// if within an item block, set a flag
if ($name == "ITEM")
{
$flag = 1;
}
}
// closing tag handler
function elementEnd($parser, $name)
{
global $currentTag, $flag;
$currentTag = "";
// if exiting an item block, print a line and reset the flag
if ($name == "ITEM")
{
echo "<hr>";
$flag = 0;
}
}
// character data handler
function characterData($parser, $data)
{
global $currentTag, $flag;
// if within an item block, print item data
if (($currentTag == "TITLE" || $currentTag == "LINK" ||
$currentTag ==
"DESCRIPTION") && $flag == 1)
{
echo "$currentTag: $data <br>";
}
}
?>
看不明白？ 别着急，后面将会作出解释。
捕获旗标
这段脚本首先要做的是设定一些全局变量：
// XML file
$file = "fm-releases.rdf";
// set up some variables for use by the parser
$currentTag = "";
$flag = "";
$currentTag变量保存是分析器当前处理的元素的名称——你很快就会看到为什么需要它。
因为我的最终目的是显示频道中的每一个单独的条目（item），并且带有链结。另外还要知道分析器什么时候退出了<channel></channel>区块，什么时候又进入了文档的 <item></item>部分。再说我用的是SAX分析器，它按顺序方式工作，没有任何分析器API可供使用，无法知道文档树中的深度和位置。所以，我不得不自己发明一个机制来做这件事——这就是引入$flag变量的原因。
$flag变量将用于判断分析器是在<channel>区块还是在<item>区块里面。
下一步要做的是初始化SAX分析器，并开始分析RSS文档。
// create parser
$xp = xml_parser_create();
// set element handler
xml_set_element_handler($xp, "elementBegin", "elementEnd");
xml_set_character_data_handler($xp, "characterData");
xml_parser_set_option($xp, XML_OPTION_CASE_FOLDING, TRUE);
// read XML file
if (!($fp = fopen($file, "r")))
{
die("Could not read $file");
}
// parse data
while ($xml = fread($fp, 4096))
{
if (!xml_parse($xp, $xml, feof($fp)))
{
die("XML parser error: " .
xml_error_string(xml_get_error_code($xp)));
}
}
// destroy parser
xml_parser_free($xp);
这段代码简单明了，其中的注释已经解释的足够清楚了。xml_parser_create()函数建立一个分析器实例，并将之赋给句柄$xp。接着再创建回调函数处理开标记和闭标记，以及二者之间的字符数据。最后，xml_parse()函数联合多次fread()调用，读取RDF文件并分析它。
在文档中，每次遇到开标记，开标记处理器elementBegin()就会被调用。
// opening tag handler
function elementBegin($parser, $name, $attributes)
{
global $currentTag, $flag;
// export the name of the current tag to the global scope
$currentTag = $name;
// if within an item block, set a flag
if ($name == "ITEM")
{
$flag = 1;
}
}
这个函数以当前标记的名称和属性作为起参数。标记名称被赋值给全局变量$currentTag。如果，这个开标记是<item>，那么把$flag变量置1。
同样，如果遇到闭标记，那么闭标记处理器elementEnd()将被调用。
// closing tag handler
function elementEnd($parser, $name)
{
global $currentTag, $flag;
$currentTag = "";
// if exiting an item block, print a line and reset the flag
if ($name == "ITEM")
{
echo "<hr>";
$flag = 0;
}
}
闭标记处理函数也是以标记名称作为其参数。如果是遇到的是一个为</item>的闭标记，变量$flag的值重置为0，并把变量$currentTag的值清空。
那么，如何处理标记之间的字符数据呢？ 这才是我们的兴趣所在。先向字符数据处理器characterData()打个招呼吧。
// character data handler
function characterData($parser, $data)
{
global $currentTag, $flag;
// if within an item block, print item data
if (($currentTag == "TITLE" || $currentTag == "LINK" ||
$currentTag ==
"DESCRIPTION") && $flag == 1)
{
echo "$currentTag: $data <br>";
}
}
现在你可以看一下传给这个函数的参数，你会发现它只接收了开标记和闭标记之间的数据，而根本不知道分析器当前正在处理哪个标记。而这正事我们一开始就引入全局变量$currentTag的原因。
如果$flag变量的值为１，也就是说如果分析器当前处于<item></itme>区块之间，那么当前被处理的元素，不管是<title>,<link>还是<description>，数据都被打印到输出设备上（在这里，输出设备是Ｗeb浏览器），并在每个元素的输出后面加上换行符<br>。
整个ＲＤＦ文档就是以这种顺序方式处理，每发现一个<item>标记就显示一定的输出。你可以看一下下面的运行结果：
