SimpleXML 删除节点中的标签

SimpleXML removes tags in node

我想解析一个由名为 Folker 的应用程序生成的 XML 文件。这是一个转录语音文本的应用程序。有时它以良好的格式保存行,可以用 SimpleXML 解析,但有时不能。

这条线不错:

<contribution speaker-reference="KU" start-reference="TLI_107" end-reference="TLI_109" parse-level="1">
    <unparsed>ich überLEG mir das [nochma:l,]</unparsed>
</contribution>

这行不是:

<contribution speaker-reference="VK" start-reference="TLI_108" end-reference="TLI_111" parse-level="1">
    <unparsed>[JA:_a; ]<time timepoint-reference="TLI_109"/>ja,<time timepoint-reference="TLI_110"/>also (.) wie [geSAGT;]</unparsed>
</contribution>

在第二行中,SimpleXML 删除了 unparsed 节点内的标签。

我怎样才能让 SimpleXML 不删除这些标签,而是将其解析为更深层次的节点或作为对象输出,例如像这样(只是在 JSON 中以便更好地理解):

"contribution": {
    "speaker-reference": "VK",
    "start-reference": "TLI_108",
    "end-reference": "TLI_111",
    "parse-level": "1",
    "unparsed": {
        "content": "[JA:_a; ]",
        "time": {
            [
                "timepoint-reference": "TLI_109",
                "content": "ja,"
            ],
            [
                "timepoint-reference": "TLI_110",
                "content": "also (.) wie [geSAGT;]"
            ]
        }
    }
}

不,它不会删除它们。这完美地工作(顺便说一句有趣的应用程序):

<?php
$string = '<contribution speaker-reference="VK" start-reference="TLI_108" end-reference="TLI_111" parse-level="1">
    <unparsed>[JA:_a; ]<time timepoint-reference="TLI_109"/>ja,<time timepoint-reference="TLI_110"/>also (.) wie [geSAGT;]</unparsed>
</contribution>';

$xml = simplexml_load_string($string);
$t = $xml->unparsed->time[0];
print_r($t->attributes());
?>
// output:
SimpleXMLElement Object
(
    [@attributes] => Array
        (
            [timepoint-reference] => TLI_109
        )

)

您甚至可以遍历它们:

$times = $xml->unparsed->children();
foreach ($times as $t) {
    $attributes = $t->attributes());
    // do sth. useful with them afterwards
}

提示: 假设您在 xml 树上尝试 print_r()var_dump()。这有时会返回不透明的结果,因为大多数魔术都发生在幕后。最好使用 echo $xml->asXML(); 来查看实际的 XML 字符串。