php 生成xml格式,PHP数组生成XML格式数据的封装类实例

本文实例讲述了PHP数组生成XML格式数据的封装类。分享给大家供大家参考,具体如下:

类库代码:MakeXML.php:

/**

* MakeXML

*

* @author Lin Jiong(slime09@gmail.com)

* @version v1.0

* @license Copyright (c) 2009 Lin Jiong (www.cn09.com)

* The LGPL (http://www.gnu.org/licenses/lgpl.html) licenses.

*/

/*

* 从数组生成XML文件

*/

class Fwcms_MakeXML

{

private static $instance;

private function __construct(){}

/**

* 单件模式调用本类

*

* @return 单件模式

*/

public static function getInstance() {

if (!isset(self::instance)) {

self::instance = new Fwcms_MakeXML();

}

return self::instance;

}

/**

* 获取XML字串

* @param $array 用于生成XML的数组,数组可以是二维或多维的,其中的第一个元素作为XML元素名

* @param $xslName XSL文件名(如:"http://www.xxx.com/templates/normal/xslname.xsl")

* @return $XMLString 输出XML字符串

*/

public function getXML($array,$xslName=""){

$XMLString = "<?xml version="1.0" encoding="utf-8"?>";

if($xslName!="")

$XMLString.="<?xml-stylesheet type="text/xsl" href="".$xslName.""?>";

$XMLString.=$this->make($array);

return $XMLString;

}

/*

* 递归生成XML字串

*/

private function make($array)

{

$XMLString="";

$haveRightBracket=FALSE;

if(isset($array["elementName"])){

$elementName=array_shift($array);//数组的第一个元素为XML元素名

}else{

$elementName="item";//如果没有指定则元素名为item

}

$XMLString.="

if(is_array($array)){

foreach($array as $paramKey=>$nodeParam){

if(!is_array($nodeParam)){

//如果不是一个下级元素,那就是元素的参数

$XMLString.=$paramKey."="".$nodeParam."" ";

}else{

if(!$haveRightBracket){

$XMLString.=">";

$haveRightBracket=TRUE;

}

//如果是下级元素,则追加元素

$XMLString.=$this->make($nodeParam);

}

}

}

if(!$haveRightBracket){

$XMLString.=">";

$haveRightBracket=TRUE;

}

$XMLString.="".$elementName.">";//该元素处理结束

return $XMLString;

}

/**

* 将字串保存到文件

* @param $fileName 文件名

* @param $XMLString 已经生成的XML字串

*/

public function saveToFile($fileName,$XMLString)

{

if(!$handle=fopen($fileName,"w"))

{

return FALSE;

}

if(!fwrite($handle,$XMLString))

{

return FALSE;

}

return TRUE;

}

/**

* 直接通过数组生成XML文件

*/

public function write($fileName,$array,$xslName=""){

$XMLString=$this->getXML($array,$xslName);

$result=$this->saveToFile($fileName,$XMLString);

return $result;

}

}

测试代码testXML.php:

require_once "MakeXML.php";

$xml=Fwcms_MakeXML::getInstance();

//$xml=new Fwcms_MakeXML();

$array=array(

"elementName"=>"data",//XML节点名,如不定义则默认为ITEM

"test1"=>array(

//不定义本节点名

//"elementName"=>"item1",

"id"=>1,

"title"=>"try1"

),

"test2"=>array(

"elementName"=>"item2",

"id"=>2,//参数

"title"=>"try2",//参数

"test2.2"=>array(

//XML子节点,必须放在所有参数之后,后面不可以再跟参数

"elementName"=>"item2.2",

"id"=>2.2,

"title"=>"try2.2"

)

),

"test3"=>array(

"elementName"=>"item3",

"id"=>3,

"title"=>"try3"

),

"test4"=>array(

"elementName"=>"item4",

"id"=>4,

"title"=>"try4"

),

"test5"=>array(

//不定义本节点名

//"elementName"=>"item5",

"id"=>5,

"title"=>"try5"

)

);

$string=$xml->getXML($array);//由数组生成XML字串

$xml->saveToFile("test.xml",$string);//把生成的XML字串写入到文件

$xml->write("test2.xml",$array,"test2.xsl");//直接从数组中获取字串生成文件

header ("content-type: text/xml");

echo $string;

?>

更多关于PHP相关内容感兴趣的读者可查看本站专题:《PHP针对XML文件操作技巧总结》、《PHP数组(Array)操作技巧大全》、《php字符串(string)用法总结》、《PHP错误与异常处理方法总结》、《PHP运算与运算符用法总结》、《PHP网络编程技巧总结》、《PHP基本语法入门教程》、《php面向对象程序设计入门教程》、《php+mysql数据库操作入门教程》及《php常见数据库操作技巧汇总》

希望本文所述对大家PHP程序设计有所帮助。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值