logo标签列表

如何使用PHP Curl解析XML站点地图并逐个加载每个URL

phpcurlsimplexml
7
我正在尝试编写一个脚本，它将读取远程的sitemap.xml并解析其中的url，然后依次加载每个url以进行预缓存，以实现更快的浏览速度。
这样做的原因是：我们正在开发的系统会动态地将DITA XML写入浏览器，第一次加载页面需要等待8-10秒。之后的加载时间可以缩短至1秒左右。显然，预缓存页面可以提供更好的用户体验。
每当我们在此服务器上准备新的出版物或执行任何测试/修补操作时，都必须清除缓存，因此我们想编写一个脚本，它将遍历sitemap并加载每个url。
经过一些阅读，我决定使用PHP和Curl。无论这是否是一个好主意，我不知道。我更熟悉Perl，但目前系统上既没有安装PHP也没有安装Perl，所以我想尝试一下PHP。
到目前为止，我从“网络”上抓取的代码读取了sitemap.xml并将其写入我们服务器上的xml文件中，并在浏览器中显示它。据我所知，这只是一次性倾倒整个文件？
<?php
$ver = "Sitemap Parser version 0.2";
echo "<p><strong>". $ver . "</strong></p>";


$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'http://ourdomain.com/sitemap.xml;jsessionid=1j1agloz5ke7l?id=1j1agloz5ke7l');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$xml = curl_exec ($ch);
curl_close ($ch);
if (@simplexml_load_string($xml)) {
    $fp = fopen('feed.xml', 'w');
    fwrite($fp, $xml);
    echo $xml;
    fclose($fp);
}
?>

不要将整个文档倒入文件或屏幕上，最好遍历xml结构并仅获取我需要的url。

XML格式如下：

<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.sitemaps.org/schemas/sitemap/0.9&#x9;http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd">
    <url>
        <loc>http://ourdomain.com:80/content/en/FAMILY-201103311115/Family_FLJONLINE_FLJ_2009_07_4</loc>
        <lastmod>2011-03-31T11:25:01.984+01:00</lastmod>
        <changefreq>monthly</changefreq>
        <priority>1.0</priority>
    </url>
    <url>
        <loc>http://ourdomain.com:80/content/en/FAMILY-201103311115/Family_FLJONLINE_FLJ_2009_07_9</loc>
        <lastmod>2011-03-31T11:25:04.734+01:00</lastmod>
        <changefreq>monthly</changefreq>
        <priority>1.0</priority>
    </url>

我尝试使用SimpleXML:

curl_setopt($ch, CURLOPT_URL, 'http://onlineservices.letterpart.com/sitemap.xml;jsessionid=1j1agloz5ke7l?id=1j1agloz5ke7l');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$data = curl_exec ($ch);
curl_close ($ch);

$xml = new SimpleXMLElement($data);
$url = $xml->url->loc;
echo $url;

这打印了第一个URL到屏幕上，这是个好消息！

http://ourdomain.com:80/content/en/FAMILY-201103311115/Family_FLJONLINE_FLJ_2009_07_4

接下来，我的步骤是尝试读取文档中的所有locs，所以我尝试了：

foreach ($xml->url) {
    $url = $xml->url->loc;
    echo $url;
}

希望这个可以获取URL中的每一个位置，但实际上什么也没有产生，我陷入了困境。
请问有人能指导我如何获取多个父级的子级，并且最好的方法是加载和缓存此页面，我认为这只是一个简单的GET请求？
我希望我已经提供了足够的信息。如果我漏掉了什么（除了实际编写PHP的能力），请告诉我;-)
谢谢。
1
（旁注）SimpleXml可以直接加载远程URI，无需使用cURL。 - Gordon
3个回答
12

您似乎没有任何值来保存 foreach 的结果：

foreach ($xml->url as $url_list) {
    $url = $url_list->loc;
    echo $url;
}
7
你不需要使用curl，可以使用simplexml_load_file($sitemap_URL)，或者使用simplexml_load_string()与file_get_contents()和stream_context_create()结合使用，用于比GET更复杂的操作。
而且不需要DOM遍历。
一行代码即可将其解析为数组！
正如http://www.sitemaps.org/protocol.html所描述的那样，它是一个简单的树形结构，具有良好的数组表示形式。
你可以使用json XML reader。
$array = json_decode(json_encode(simplexml_load_file($sitemap_URL) ), TRUE);

所以使用例如foreach($array['image:image'] as $r)来遍历它（通过var_dump($array)检查）...另请参阅oop5.iterations。
PS：您还可以通过XPath在simplexml中进行先前节点选择。
0
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接