从XML元素中删除开始和结束空格

Question

如何删除XML字段前后的所有空格字符？

<data version="2.0">

  <field> 

     1 

  </field>        

  <field something=" some attribute here... "> 

     2  

  </field>

</data>

请注意，1和2前的空格和“这里的一些属性...”，我想用PHP删除它。

if(($xml = simplexml_load_file($file)) === false) die();

print_r($xml);

此外，数据似乎不是字符串，我需要在每个变量之前附加(字符串)。为什么？

Answer 1

您可能想要使用下面这样的内容：

$str = file_get_contents($file);
$str = preg_replace('~\s*(<([^>]*)>[^<]*</\2>|<[^>]*>)\s*~','$1',$str);
$xml = simplexml_load_string($xml,'SimpleXMLElement', LIBXML_NOCDATA);

我还没有尝试过，但你可以在http://www.lonhosford.com/lonblog/2011/01/07/php-simplexml-load-xml-file-preserve-cdata-remove-whitespace-between-nodes-and-return-json/上找到更多关于这个的信息。

注意，开始和结束括号(<x> _space_ </x>)和属性(<x attr=" _space_ ">)之间的空格实际上是XML文档数据的一部分(与<x> _space_ <y>之间的空格形成对比)，因此我建议您使用的源应该少一些空格。

Answer 2

由于simplexml_load_file()将数据读入数组，因此您可以这样做：

function TrimArray($input){

    if (!is_array($input))
        return trim($input);

    return array_map('TrimArray', $input);
}

Answer 3

要在PHP中做到这一点，首先必须将文档转换为DOMDocument，这样您就可以通过DOMXPath正确地定位要在其中规范化空格的节点。(中的xpath) SimpleXMLElement太过有限，无法精确地访问文本节点，因为该操作需要它。

要访问叶元素中的所有文本节点和所有属性的Xpath查询为：

//*[not(*)]/text() | //@*

鉴于$xml是一个SimpleXMLElement，您可以像下面的示例那样进行空白规范化：

$doc   = dom_import_simplexml($xml)->ownerDocument;
$xpath = new DOMXPath($doc);
foreach ($xpath->query('//*[not(*)]/text()|//@*') as $node) {
    /** @var $node DOMText|DOMAttr */
    $node->nodeValue = trim(preg_replace('~\s+~u', ' ', $node->nodeValue), ' ');
}

您也许可以将其扩展到所有文本节点(as suggested in related Q&A)，但在这种情况下可能需要对文档进行规范化。由于Xpath中的text()在文本节点和Cdata节之间没有区别，因此您可能希望在加载文档时跳过这些类型的节点()或将它们扩展为文本节点(使用the LIBXML_NOCDATA option实现)，以获得更有用的结果。

同样，数据看起来不是字符串，我需要在每个变量的前面加上(字符串)。为什么？

因为它是一个SimpleXMLElement，类型的对象，如果您想要这样一个对象(元素)的String值，就需要将它转换为string。另请参阅以下参考问题：

• Forcing a SimpleXML Object to a string, regardless of context

最后但并非最不重要的一点是:当您在SimpleXMLElement：上使用print_r或var_dump时，不要信任它们，它们不会显示事实。例如，您可以覆盖__toString()，这也可以解决您的问题：

class TrimXMLElement extends SimpleXMLElement
{
    public function __toString()
    {
        return trim(preg_replace('~\s+~u', ' ', parent::__toString()), ' ');
    }
}

$xml = simplexml_load_string($buffer, 'TrimXMLElement');

print_r($xml);

即使转换为字符串可以正常应用(例如，使用echo)，print_r的输出仍然不会反映这些更改。所以最好不要依赖它，它永远不会显示整个画面。

此答案的完整示例代码(Online Demo)：

<?php
/**
 * Remove starting and ending spaces from XML elements
 *
 * @link https://stackoverflow.com/a/31793566/367456
 */

$buffer = <<<XML
<data version="2.0">

  <field>

     1

  </field>

  <field something=" some attribute here... ">

     2 <![CDATA[ 34 ]]>

  </field>

</data>
XML;

class TrimXMLElement extends SimpleXMLElement implements JsonSerializable
{
    public function __toString()
    {
        return trim(preg_replace('~\s+~u', ' ', parent::__toString()), ' ');
    }

    function jsonSerialize()
    {
        $array = (array) $this;

        array_walk_recursive($array, function(&$value) {
            if (is_string($value)) {
                $value  = trim(preg_replace('~\s+~u', ' ', $value), ' ');
            }
        });

        return $array;
    }
}

$xml = simplexml_load_string($buffer, 'TrimXMLElement', LIBXML_NOCDATA);

print_r($xml);
echo json_encode($xml);

$xml = simplexml_load_string($buffer, null, LIBXML_NOCDATA);

$doc = dom_import_simplexml($xml)->ownerDocument;
$doc->normalizeDocument();
$doc->normalize();

$xpath = new DOMXPath($doc);
foreach ($xpath->query('//*[not(*)]/text()|//@*') as $node) {
    /** @var $node DOMText|DOMAttr|DOMCdataSection */
    if ($node instanceof DOMCdataSection) {
        continue;
    }
    $node->nodeValue = trim(preg_replace('~\s+~u', ' ', $node->nodeValue), ' ');
}

echo $xml->asXML();