33、XML解析与DOM操作全解析

XML解析与DOM操作全解析

1. XML的用途

XML(可扩展标记语言)的用途十分广泛,具体如下:
- 逻辑结构化数据以实现共享,例如在某些数据共享场景中对数据进行合理组织。
- 对数据进行格式化,像XHTML就是利用XML进行数据格式化的典型例子。
- 向解释器(本地或远程)发送指令。

2. PHP的事件驱动型XML解析器函数

在PHP 5之前,XML解析函数基于Jim Clarke的Expat库(XML解析工具包),其可从http://www.jclark.com/xml/expat.html获取。而从PHP 5开始,所有PHP的XML函数都使用libxml2(http://www.xmlsoft.org/)。事件驱动型的XML解析模型虽然使用起来并非易事,但效率颇高。当遇到XML元素时,处理函数会被调用,而像DOM(文档对象模型)这样的替代方案则需要在操作之前将整个文档加载到内存中进行建模。

2.1 获取解析器资源

要开始解析文档,首先需要一个解析器资源。可以使用 xml_parser_create() 函数来获取,该函数无需参数,若一切正常则返回一个解析器资源,否则返回 false 。此函数还可选择接受一个包含三种字符编码之一的字符串,分别是默认的ISO - 8859 - 1、US - ASCII和UTF - 8。示例代码如下:

$parser = xml_parser_create();

当使用完解析器资源后,为减少脚本

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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