如何在PHP中使用simplexml_load_string获取没有嵌入标签的innertext？

Question

我找到了 freely available data dump of USPTO patent data in XML format。大多数专利的XML部分具有以下结构：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE us-patent-grant SYSTEM "us-patent-grant-v45-2014-04-03.dtd" [ ]>
<us-patent-grant lang="EN" dtd-version="v4.5 2014-04-03" file="US09226443-20160105.XML" status="PRODUCTION" id="us-patent-grant" country="US" date-produced="20151221" date-publ="20160105">
  ...
  <claims>
    ...
    <claim id="CLM-00015" num="00015">
      <claim-text>15. The system of <claim-ref idref="CLM-00013">claim 13</claim-ref>, wherein ...</claim-text>
    </claim>
  </claims>
</us-patent-grant>

当我在 XML 上执行 PHP simplexml_load_string 函数时，<claim-ref idref="CLM-00013">claim 13</claim-ref> 部分消失了，我只剩下以下声明文本：

15. The system of , wherein ...

我尝试按如下方式执行 simplexml_load_string 函数：

$xml = simplexml_load_string($xmlTxt, 'SimpleXMLElement', LIBXML_NOCDATA);

但它并没有改变任何东西。
我需要做什么才能使 claim-ref 标签中的文本作为 CDATA 的一部分保留在 claim-text 标签中？请注意，我不需要保留实际的 claim-ref 标签，只需要保留其中的文本。

Answer 1

您的示例中没有 CDATA 部分 XML。 XML:

中的 CDATA 部分如下所示

<foo><![CDATA[<bar>text</bar>]]></foo>

在这种情况下，CDATA 部分是单个文本节点。它相当于：

<foo>&lt;bar&gt;text&lt;/bar&gt;</foo>

如果您需要简单XML元素（包括它的后代）的文本内容，您可以将其转换为DOM 节点。 DOMElement::$textContent 属性提供它。

$patentGrant = new SimpleXMLElement($xml);
$node = dom_import_simplexml($patentGrant->claims->claim->{'claim-text'});

var_dump($node->textContent);

输出：

string(39) "15. The system of claim 13, wherein ..."

或者你使用 DOMXpath::evaluate()，完全不使用 SimpleXML：

$document = new DOMDocument();
$document->loadXml($xml);
$xpath = new DOMXpath($document);

var_dump($xpath->evaluate('string(/us-patent-grant/claims/claim/claim-text)'));

如何在PHP中使用simplexml_load_string获取没有嵌入标签的innertext？

How to use simplexml_load_string in PHP to get innertext without embedded tags?

php

xml

simplexml