libxml解析

   libxml是一个用于解析xml文件的库，在各个平台下都能使用，也支持多种语言，如c，python等。这里是官方网站。上面有libxml的api和一些code examples，都是英文的。不过比较简单。

libxml的基础功能就是对xml的读和写。下面将简单介绍libxml的读的功能。（大部分内容是参照libxml tutorial 的文档）

0 编译程序

因为本人是在linux下用c语言来介绍libxml的，所以使用了gcc编译器。其他的编译命令请参照官网。

我们知道，gcc 最简单的编译命令为gcc filename.c 。只要给这个命令添加头文件和链接库的地址就可以使用libxml。而libxml也提供了一个脚本xml2-config来配置这些地址。所以编译时将命令改为gcc filename.c `xml2-config --cflags --libs`即可。cflags在编译时提供头文件的地址，而libs在链接时提供库文件的地址。

1 分析文件--parse file

先简单介绍xml文件。

<?xml version="1.0" encoding="UTF-8"?>
<root>
<node1>content1</node1>
<node2 attribute="yes">content2</node2>
<node3>
<subnode>go</subnode>
</node3>
</root>

上面是一个简单的xml文件。从文件中很容易就能看出整个文件的结构和要表达的意思。下面我会结合xml的基本类型介绍这个文件。

文件的第一行是xml文件的一些属性，可以看出编码方式是utf-8 。libxml只能处理uft-8 和 utf-16编码的文件，如果你的文件不是这两种编码，需要在使用前进行转换。

<root></root>是xml的一个节点，即xmlNode。而xmlNodePtr 表示指向xmlNode的指针--xmlNode*。<node1></node1>,<node2></node2>,<node3></node3>是这个node的子node，即xmlNodePtr->children或xmlNodePtr->xmlChildrenNode。所以<subnode></subnode>就是<node3></node3>的子node。

接下来就是解析文件了。

[cpp]  view plain copy print ?

1. #include <stdio.h>  
2. #include <string.h>  
3. #include <stdlib.h>  
4. #include <libxml/tree.h>  
5. #include <libxml/parser.h>  

文件中需要包含这两个头文件。

[cpp]  view plain copy print ?

1. xmlDocPtr doc = NULL;  
2. xmlNodePtr node = NULL;  
3.   
4. doc = xmlParseFile(filename);  
5.   
6. if(NULL  == doc) {  
7.     fprintf(stderr, "parse error\n");  
8.     exit(1);  
9. }  

xmlDocPtr 表示指向xmlDoc的指针。从tutorial中我们可以知道，xmlDoc是一个包含了已解析的文件生成的节点树的结构体。

[cpp]  view plain copy print ?

1. node = xmlDocGetRootElement(doc);  
2.   
3. if(NULL == node) {  
4.     fprintf(stderr, "doc has no content\n");  

[cpp]  view plain copy print ?

1.     xmlFreeDoc(doc);  
2.     exit(1);  
3. }  

xmlDocGetRootElement(doc)可以得到整个文件的根节点，所有的操作都是从根节点开始的。

现在我们已经有了一个包含这个节点树的结构体指针xmlDocPtr doc，有了一个可以操作节点的结构体指针xmlNodePtr node，我们就可以读取各个节点的信息了。

节点包含这么几个信息：

node->name:节点的名字，如node1,node2,subnode等

node->xmlChildrenNode:节点的子节点

node->last:节点的最后一个子节点

node->parent:节点的父节点

node->next:节点的兄弟节点，对于node1来说，node2和node3都是其兄弟节点，node1的next指向node2

由于节点的内容是其子节点(对于node1，content1可以说是其子节点)，所以我们需要使用xmlNodeGetContent来取出内容。

[cpp]  view plain copy print ?

1. node = node->xmlChildrenNode;  
2. while(node != NULL) {  
3.     printf("name=%s content=%s\n",  
4.                node->name,  
5.                (char*)xmlNodeGetContent(node));  
6.     node=node->next;  
7. }  

这是完整的源码。

[cpp]  view plain copy print ?

1. #include <stdio.h>  
2. #include <string.h>  
3. #include <stdlib.h>  
4. #include <libxml/parser.h>  
5.   
6. static int  
7. parseDoc(char* docname) {  
8.     xmlDocPtr doc;  
9.     xmlNodePtr cur;  
10.     //xmlKeepBlanksDefault(0);  
11.   
12.     doc = xmlParseFile(docname);  
13.   
14.     if(doc == NULL) {  
15.         fprintf(stderr, "doc error!\n");  
16.         return 0;  
17.     }  
18.   
19.     cur = xmlDocGetRootElement(doc);  
20.   
21.     if(cur == NULL) {  
22.         fprintf(stderr, "root error!\n");  
23.         xmlFreeDoc(doc);  
24.         return 0;  
25.     }  
26.   
27.     if(xmlStrcmp(cur->name, (const xmlChar*)"root")) {  
28.         printf("end\n");  
29.         return 0;  
30.     }  
31.   
32.     cur = cur->children;  
33.     while(cur != NULL) {  
34.         printf("name=%s content=%s\n",cur->name,   
35.                 (char*)xmlNodeGetContent(cur));  
36.                 //cur->content);  
37.         cur = cur->next;  
38.     }  
39.     xmlFreeDoc(doc);  
40.     return 0;  
41. }  
42.   
43. int main() {  
44.     char* docname = "story.xml";  
45.     parseDoc(docname);  
46.     return 1;  
47. }  

编译链接后执行，会发现输出的结果如下：

[cpp]  view plain copy print ?

1. name=text content=  
2.       
3. name=node1 content=content1  
4. name=text content=  
5.       
6. name=node2 content=content2  
7. name=text content=  
8.       
9. name=node3 content=  
10.         go  
11.       
12. name=text content=  

这是因为libxml默认将各个节点间的空格当作一个节点，只要在调用xmlParseFile之前调用xmlKeepBlanksDefault(0)即可。

修改后结果如下：

[cpp]  view plain copy print ?

1. name=node1 content=content1  
2. name=node2 content=content2  
3. name=node3 content=go  

2 读取内存中的xml文档。

很多时候我们需要对内存中的xml文档进行操作。比如在网络编程的时候经常会从server那里接受一些客户端的配置信息，这些配置信息大部分都是使用xml语言描述的。在你将这些信息读入到buffer中后，你无需将他们写入文件当中再分析，直接可以调用xmlReadMemory函数就可以得到一个xmlDocPtr。这个函数接受五个参数，第一个参数为缓存区的指针，第二个参数为缓存区大小，其他参数具体看API文档。当然另外一个函数xmlReadDoc也能实现这样的功能。

[cpp]  view plain copy print ?

1. static char* config = "<config />";  
2. xmlDocPtr doc = NULL;  
3. xmlKeepBlanksDefault(0);  
4.   
5. doc = xmlReadMemory(config, strlen(config), "in_memory.xml", NULL, 0);  
6.   
7. //handle doc  
8.   
9. xmlFreeDoc(doc);           
10. 
    

在上一篇文章当中，我读取了各个节点的名字和内容，现在我将读取各个节点的属性。

[html]  view plain copy print ?

1. <?xml version="1.0" encoding="UTF-8"?>  
2. <root>  
3. <node1>content1</node1>  
4. <node2 attribute="yes">content2</node2>  
5. <node3>  
6. <subnode>go</subnode>  
7. </node3>  
8. </root>  

这是上一篇文章中提到的xml文件。

在node2这个节点上有一个属性attribute，其值是yes。我们可以使用xmlGetProp这个函数将其提取出来。这个函数包含了两个变量，一个是将要提取属性的节点指针xmlNodePtr，另一个是属性的名称。

[cpp]  view plain copy print ?

1. xmlChar* attr_value = NULL;  
2. if(!xmlStrcmp(node->name, (const xmlChar*)"node2")) {  
3.     attr_value = xmlGetProp(node, "attribute");  
4.     printf("attribute value:%s\n",attr_value);  
5.     xmlFree(attr_value);

libxml读取的基本功能已经介绍过了，现在将介绍libxml编写的基本功能。

编写操作包含节点的添加，删除和修改。

对于添加，我们需要调用xmlNewTextChild函数来添加节点，需要xmlNewProp函数来添加属性。

xmlNewTextChild接受四个参数，第一个参数为新添加节点的父节点，第二个参数为新节点的命名空间namespace，第三个参数为节点的名称，第四个参数为节点的内容。函数返回指向新节点的指针xmlNodePtr。

如果要在根节点下添加一个新的节点node，他的内容设为content，则：

[html]  view plain copy print ?

1. xmlDocPtr doc = NULL;  
2. xmlNodePtr cur = NULL;  
3. xmlNodePtr newNode = NULL;  
4.   
5. xmlKeepBlanksDefault(0);  
6.   
7. doc = xmlParseFile(docname);  
8. cur = xmlDocGetRootElement(doc);  
9.   
10. newNode = xmlNewTextChild(cur, NULL, "node", "content");  

在添加后需要调用xmlSaveFormatFile函数将结果保存在硬盘上。xmlSaveFormatFile接收三个参数，第一个参数是要保存文件的文件名，第二个参数是xmlDocPtr，第三个参数是格式。如果第一个参数为“-”，结果将会输出到标准输出上。第三个参数现在没有什么研究，libxml 的 tutorial上的例子将其设为1，我就默认将其设为1了。

当然，还有多种方式可以添加一个新的node。如函数xmlAddChild，这个函数接收两个变量，第一个是父节点，第二个是新节点。这个函数在构造玩节点之后再将其添加，所以我们需要能生成节点的函数。在API文档中搜索后会发现函数xmlNewNode。这个函数接受两个变量，第一个是命名空间，第二个是节点名称。我们再调用函数xmlNodeAddContent或者xmlNodeSetContent就可以对内容进行操作了。

给新添加的节点添加属性，名称为“attr”，值为“yes”：

[cpp]  view plain copy print ?

1. xmlAttrPtr newAttr = NULL;  
2. newAttr = xmlNewProp(newNode, "attr", "yes");  

对于修改和删除，API中已经很清楚地提到了这些函数。

如果你要删除node，则调用xmlReplaceNode，用NULL来替换节点。（在API当中没有发现有remove node之类的函数，不知道有没有别的办法？）

如果要修改node的name，则调用xmlNodeSetName函数。

对于属性也一样，函数都在API当中。在tree.h目录中。