libxml2剖析(1):功能特性

转载 2015年04月16日 17:04:38
1、概述
    本文整理自官方页面http://xmlsoft.org/
    Libxml2是一个用来解析XML文档的函数库。它用C语言写成,并且能为多种语言所调用,例如C语言, C++, C#, Python, Kylix/Delphi, PHP, Ruby, Pascal, Tcl等。Perl中也可以使用XML::LibXML模块。它最初是为GNOME开发的项目,但现在可以用在各种各样的场合。libXML2代码可移植性非常好,因为它基于标准的ANSI C,并采用MIT许可证。它可以移植到各种各样的系统,包括Linux, Unix, Windows, CygWin, MacOS, MacOS X, RISC Os, OS/2, VMS, QNX, MVS, VxWorks等等。
    可从ftp://xmlsoft.org/libxml2/处下载libxml2的最新源码,当前为libxml2-2.9.0.tar.gz,解开后可以看到,源文件都在根目录下,所有文档在doc目录,头文件在include/libxml/目录下。
    Libxml2实现了一系列与标记语言相关的标准:
    (1)XML标准:http://www.w3.org/TR/REC-xml
    (2)XML命名空间:http://www.w3.org/TR/REC-xml-names/
    (3)XML Base: http://www.w3.org/TR/xmlbase/
    (4)RFC 2396: 统一资源标识符(URI),http://www.ietf.org/rfc/rfc2396.txt
    (5)XML路径语言(XPath) 1.0: http://www.w3.org/TR/xpath
    (6)HTML4解析器: http://www.w3.org/TR/html401/
    (7)XML指针语言(XPointer)版本1.0: http://www.w3.org/TR/xptr
    (8)XML包含机制(XInclude)版本1.0: http://www.w3.org/TR/xinclude/
    (9)ISO-8859-x编码,还有rfc2044[UTF-8]和rfc2781[UTF-16]的Unicode编码,通过使用iconv库,还可以支持更多其他的编码(如亚洲语言的编码)
    (10)SGML开放技术方案TR9401:1997的部分特性
    (11)XML目录(XML Catalogs)工作草案: http://www.oasis-open.org/committees/entity/spec-2001-08-06.html
    (12)规范化XML(Canonical XML)版本1.0: http://www.w3.org/TR/xml-c14n,以及规范化算法(Exclusive XML Canonicalization CR草案) http://www.w3.org/TR/xml-exc-c14n
    (13)Relax NG, ISO/IEC 19757-2:2003, http://www.oasis-open.org/committees/relax-ng/spec-20011203.html
    (14)W3C XML Schemas第二部分: 数据类型 http://www.w3.org/TR/2001/REC-xmlschema-2-20010502/
    (15)W3C xml:id工作草案(2004-04-07): http://www.w3.org/TR/xml-id/
    大部分情况下libxml2以严格兼容的方式实现这些规范。从2.4.16版开始,libxml2通过了来自OASIS XML Tests Suite(http://www.oasis-open.org/committees/xml-conformance/)的所有1800多个测试。
    libxml2提供了对下列规范提供了一定程度的支持,但还没有对这些规范提供完整全面地支持:
    (1)文档对象模型(DOM) http://www.w3.org/TR/DOM-Level-2-Core/:文档模型,但没有实现API自身,gdome2在libxml2之上完成这项工作。
    (2)RFC 959: libxml2实现了基本的FTP客户代码。
    (3)RFC 1945: HTTP/1.0,以及基本的HTTP客户代码。
    (4)SAX: 一个SAX2风格的接口,和一个兼容早期expat版本的最小限度的SAX1实现。
    XML Schemas第一部分:结构(http://www.w3.org/TR/2001/REC-xmlschema-1-20010502/)的部分实现正在进行。
    下面是一些独立的文档:
    (1)libxslt: http://xmlsoft.org/XSLT/,为libxml2提供一个XSLT 1.0的实现,和类似于EXSLT的常用扩展。
    (2)gdome2: http://gdome2.cs.unibo.it/,为libxml2提供一个标准的DOM2实现。
    (3)XMLSec: http://www.aleksey.com/xmlsec/,为libxml2提供W3C XML数字签名(http://www.w3.org/TR/xmldsig-core/)的实现。
    Libxml2的一些关键特性可归纳如下:
    (1)对XML和HTML,都提供推模式(前进式的)或拉模式(阻塞式的)的解析接口。
    (2)使用一个要解析的文档实例或附带一个任意的DTD,可以在解析时做DTD验证。
    (3)包含完整的XPath, XPointer和XInclude实现。
    (4)用纯C编写,尽可能少的依赖,遵循ANSI C/POSIX标准以便容易嵌入到其他程序中。可以工作在Linux/Unix/Windows上,还移植到其他的很多平台。
    (5)基本的HTTP和FTP客户端支持,从而允许应用程序获取远程资源。
    (6)设计是模块化的,许多扩展可以独立编译。
    (7)内部文档表示尽可能靠近DOM接口规范。
    (8)也提供SAX风格的接口,它被设计成与Expat兼容(http://sourceforge.net/projects/expat,另外一个XML解析库)。
    (9)本库在MIT许可证下发布。
    2、数据类型
    Libxml2定义了一些经常要用到的数据类型,以隐藏一些繁杂的底层处理。
    (1)字符类型xmlChar
    这是Libxml2中的字符类型,库中所有字符、字符串都是基于这个数据类型。事实上它的定义在xmlstring.h中。
typedef unsigned char xmlChar;
    它表示UTF-8编码的字符串的一个字节。如果你的数据使用其他的编码,则需要使用libxml中的函数转换成UTF-8编码。如同标准C中的char类型一样,xmlChar也有相关的动态内存分配、字符串操作等函数。例如xmlMalloc是动态分配内存的函数;xmlFree是配套的释放内存函数;xmlStrcmp是字符串比较函数等等。基本上xmlChar字符串相关函数都在xmlstring.h中定义;而动态内存分配函数在xmlmemory.h中定义。
    外要注意,因为总是要在xmlChar*和char*之间进行类型转换,所以定义了一个宏BAD_CAST,其定义如下(xmlstring.h):
#define BAD_CAST (xmlChar *)
    原则上来说,unsigned char和char之间进行强制类型转换是没有问题的。
    (2)文档类型xmlDoc、指针xmlDocPtr
    定义在tree.h中。xmlDoc是一个struct,保存了一个xml文档的相关信息,例如文件名、文档类型、节点树等等;xmlDocPtr等于xmlDoc*,它搞成这个样子总让人以为是智能指针,其实不是,要手动删除的。
    xmlNewDoc函数创建一个新的文档指针。xmlParseFile函数以默认方式读入一个UTF-8格式的文档,并返回文档指针。xmlReadFile函数读入一个带有某种编码的xml文档,并返回文档指针;细节见libxml2参考手册。
    xmlFreeDoc释放文档指针。特别注意,当你调用xmlFreeDoc时,该文档所有包含的节点内存都被释放,所以一般来说不需要手动调用xmlFreeNode或者xmlFreeNodeList来释放动态分配的节点内存,除非你把该节点从文档中移除了。一般来说,一个文档中所有节点都应该动态分配,然后加入文档,最后调用xmlFreeDoc一次释放所有节点申请的动态内存,这也是为什么我们很少看见xmlNodeFree的原因。
    xmlSaveFile将文档以默认方式存入一个文件。xmlSaveFormatFileEnc可将文档以某种编码/格式存入一个文件中。
    (3)节点类型xmlNode、指针xmlNodePtr

    定义在tree.h中。节点应该是xml中最重要的元素了,xmlNode代表了xml文档中的一个节点,实现为一个struct,内容很丰富。

  1. /** 
  2.  * xmlNode: 
  3.  * 
  4.  * A node in an XML tree. 
  5.  */  
  6. typedef struct _xmlNode xmlNode;  
  7. typedef xmlNode *xmlNodePtr;  
  8. struct _xmlNode {  
  9.     void           *_private;   /* application data */  
  10.     xmlElementType   type;  /* type number, must be second ! */  
  11.     const xmlChar   *name;      /* the name of the node, or the entity */  
  12.     struct _xmlNode *children;  /* parent->childs link */  
  13.     struct _xmlNode *last;  /* last child link */  
  14.     struct _xmlNode *parent;    /* child->parent link */  
  15.     struct _xmlNode *next;  /* next sibling link  */  
  16.     struct _xmlNode *prev;  /* previous sibling link  */  
  17.     struct _xmlDoc  *doc;   /* the containing document */  
  18.   
  19.     /* End of common part */  
  20.     xmlNs           *ns;        /* pointer to the associated namespace */  
  21.     xmlChar         *content;   /* the content */  
  22.     struct _xmlAttr *properties;/* properties list */  
  23.     xmlNs           *nsDef;     /* namespace definitions on this node */  
  24.     void            *psvi;  /* for type/PSVI informations */  
  25.     unsigned short   line;  /* line number */  
  26.     unsigned short   extra; /* extra data for XPath/XSLT */  
  27. };  
    可以看到,节点之间是以链表和树两种方式同时组织起来的,next和prev指针可以组成链表,而parent和children可以组织为树。同时还有以下重要元素:节点中的文字内容content;节点所属文档doc;节点名字name;节点的名称空间ns;节点属性列表properties等。
    Xml文档的操作的根本原理就是在节点之间移动、查询节点的各项信息,并进行增加、删除、修改的操作。xmlNodePtr指针用来遍历文档树。
    xmlDocSetRootElement函数可以将一个节点设置为某个文档的根节点,这是将文档与节点连接起来的重要手段,当有了根结点以后,所有子节点就可以依次连接上根节点,从而组织成为一个xml树。
    (3)节点集合类型xmlNodeSet、指针xmlNodeSetPtr
    节点集合代表一个由节点集组成的变量,节点集合只作为Xpath的查询结果而出现,因此被定义在xpath.h中,其定义如下:
  1. /* 
  2.  * A node-set (an unordered collection of nodes without duplicates). 
  3.  */  
  4. typedef struct _xmlNodeSet xmlNodeSet;  
  5. typedef xmlNodeSet *xmlNodeSetPtr;  
  6. struct _xmlNodeSet {  
  7.     int nodeNr;         /* number of nodes in the set */  
  8.     int nodeMax;        /* size of the array as allocated */  
  9.     xmlNodePtr *nodeTab;    /* array of nodes in no particular order */  
  10.     /* @@ with_ns to check wether namespace nodes should be looked at @@ */  
  11. };  

    可以看出,节点集合有三个成员,分别是节点集合的节点数、最大可容纳的节点数,以及节点数组头指针。对节点集合中各个节点的访问方式很简单,如下:

  1. xmlNodeSetPtr nodeset = XPATH查询结果;  
  2. for (int i = 0; i < nodeset->nodeNr; i++)  
  3. {  
  4.     nodeset->nodeTab[i];  
  5. }  

     注意,libxml2是一个C函数库,因此其函数和数据类型都使用C语言的方式来处理。如果是C++,用STL中的vector来表示一个节点集合会更好,而且没有内存泄漏或者溢出的担忧。

libxml2剖析(1):功能特性

1、概述     本文整理自官方页面http://xmlsoft.org/。     Libxml2是一个用来解析XML文档的函数库。它用C语言写成,并且能为多种语言所调用,例如C语言, C++,...

libxml2编程--C语言xml初使用(1)

1、下载与安装LIBXML2 Libxml2是一个C语言的XML程序库,可以简单方便的提供对XML文档的各种操作,并且支持XPATH查询,以及部分的支持XSLT转换等功能。Libxml2的下载地址是...

Windows + MinGW环境下使用libxml2 (1) 安装已编译包

写在新年钟声即将敲响之际,瑾以此文纪念忙碌的2010 libxml2是一款开源的、跨平台的XML解析工具,在Windows下使用当然也不是问题,方法有两种,一是从下载已经编译好的二进制包,二是下载源代...
  • yui
  • yui
  • 2010年12月31日 23:00
  • 3539

libxml2 port to VS2008 -1

  • 2011年06月30日 13:24
  • 2MB
  • 下载

libxml2-2.7.8-1.x86_64.rpm

  • 2011年12月18日 23:21
  • 790KB
  • 下载

SQLite剖析(1):功能特性

本文整理自SQLite官网上的文档http://sqlite.org/sitemap.html。     SQLite是遵守ACID的轻型数据库引擎,它包含在一个相对小的C库中。它是D.Richar...

SQLite剖析(1):功能特性

本文整理自SQLite官网上的文档http://sqlite.org/sitemap.html。 SQLite是遵守ACID的轻型数据库引擎,它包含在一个相对小的C库中。它是D.RichardHip...
  • Kaiwii
  • Kaiwii
  • 2013年01月13日 07:14
  • 1724

libxml2剖析(3):使用教程

本文整理自官方使用教程http://xmlsoft.org/tutorial/index.html。     示例文档story.xml如下: [html] view plaincop...

libxml2剖析(3):使用教程

本文整理自官方使用教程http://xmlsoft.org/tutorial/index.html。     示例文档story.xml如下: John Fleck ...

libxml2剖析(4):XML技术概览

本文整理自w3school上的内容http://www.w3school.com.cn/x.asp。     1、XML简介     当 XML(扩展标记语言)于1998年2月被引入软件工业界时,...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:libxml2剖析(1):功能特性
举报原因:
原因补充:

(最多只允许输入30个字)