libxml2剖析(1)：功能特性

最新推荐文章于 2021-01-30 14:45:21 发布

Chinamming

最新推荐文章于 2021-01-30 14:45:21 发布

阅读量117

点赞数

文章标签： c/c++ 数据结构与算法 php

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。

[cpp] view plain copy print ?

/**
*xmlNode:
*
*AnodeinanXMLtree.
*/
typedefstruct_xmlNodexmlNode;
typedefxmlNode*xmlNodePtr;
struct_xmlNode{
void*_private;/*applicationdata*/
xmlElementTypetype;/*typenumber,mustbesecond!*/
constxmlChar*name;/*thenameofthenode,ortheentity*/
struct_xmlNode*children;/*parent->childslink*/
struct_xmlNode*last;/*lastchildlink*/
struct_xmlNode*parent;/*child->parentlink*/
struct_xmlNode*next;/*nextsiblinglink*/
struct_xmlNode*prev;/*previoussiblinglink*/
struct_xmlDoc*doc;/*thecontainingdocument*/
/*Endofcommonpart*/
xmlNs*ns;/*pointertotheassociatednamespace*/
xmlChar*content;/*thecontent*/
struct_xmlAttr*properties;/*propertieslist*/
xmlNs*nsDef;/*namespacedefinitionsonthisnode*/
void*psvi;/*fortype/PSVIinformations*/
unsignedshortline;/*linenumber*/
unsignedshortextra;/*extradataforXPath/XSLT*/
};

/**
 * xmlNode:
 *
 * A node in an XML tree.
 */
typedef struct _xmlNode xmlNode;
typedef xmlNode *xmlNodePtr;
struct _xmlNode {
    void           *_private;	/* application data */
    xmlElementType   type;	/* type number, must be second ! */
    const xmlChar   *name;      /* the name of the node, or the entity */
    struct _xmlNode *children;	/* parent->childs link */
    struct _xmlNode *last;	/* last child link */
    struct _xmlNode *parent;	/* child->parent link */
    struct _xmlNode *next;	/* next sibling link  */
    struct _xmlNode *prev;	/* previous sibling link  */
    struct _xmlDoc  *doc;	/* the containing document */

    /* End of common part */
    xmlNs           *ns;        /* pointer to the associated namespace */
    xmlChar         *content;   /* the content */
    struct _xmlAttr *properties;/* properties list */
    xmlNs           *nsDef;     /* namespace definitions on this node */
    void            *psvi;	/* for type/PSVI informations */
    unsigned short   line;	/* line number */
    unsigned short   extra;	/* extra data for XPath/XSLT */
};

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：

[cpp] view plain copy print ?

/*
*Anode-set(anunorderedcollectionofnodeswithoutduplicates).
*/
typedefstruct_xmlNodeSetxmlNodeSet;
typedefxmlNodeSet*xmlNodeSetPtr;
struct_xmlNodeSet{
intnodeNr;/*numberofnodesintheset*/
intnodeMax;/*sizeofthearrayasallocated*/
xmlNodePtr*nodeTab;/*arrayofnodesinnoparticularorder*/
/*@@with_nstocheckwethernamespacenodesshouldbelookedat@@*/
};

/*
 * A node-set (an unordered collection of nodes without duplicates).
 */
typedef struct _xmlNodeSet xmlNodeSet;
typedef xmlNodeSet *xmlNodeSetPtr;
struct _xmlNodeSet {
    int nodeNr;			/* number of nodes in the set */
    int nodeMax;		/* size of the array as allocated */
    xmlNodePtr *nodeTab;	/* array of nodes in no particular order */
    /* @@ with_ns to check wether namespace nodes should be looked at @@ */
};

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：

[cpp] view plain copy print ?

xmlNodeSetPtrnodeset=XPATH查询结果;
for(inti=0;i<nodeset->nodeNr;i++)
{
nodeset->nodeTab[i];
}

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

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。

更多 0

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。

[cpp] view plain copy print ?

/**
*xmlNode:
*
*AnodeinanXMLtree.
*/
typedefstruct_xmlNodexmlNode;
typedefxmlNode*xmlNodePtr;
struct_xmlNode{
void*_private;/*applicationdata*/
xmlElementTypetype;/*typenumber,mustbesecond!*/
constxmlChar*name;/*thenameofthenode,ortheentity*/
struct_xmlNode*children;/*parent->childslink*/
struct_xmlNode*last;/*lastchildlink*/
struct_xmlNode*parent;/*child->parentlink*/
struct_xmlNode*next;/*nextsiblinglink*/
struct_xmlNode*prev;/*previoussiblinglink*/
struct_xmlDoc*doc;/*thecontainingdocument*/
/*Endofcommonpart*/
xmlNs*ns;/*pointertotheassociatednamespace*/
xmlChar*content;/*thecontent*/
struct_xmlAttr*properties;/*propertieslist*/
xmlNs*nsDef;/*namespacedefinitionsonthisnode*/
void*psvi;/*fortype/PSVIinformations*/
unsignedshortline;/*linenumber*/
unsignedshortextra;/*extradataforXPath/XSLT*/
};

/**
 * xmlNode:
 *
 * A node in an XML tree.
 */
typedef struct _xmlNode xmlNode;
typedef xmlNode *xmlNodePtr;
struct _xmlNode {
    void           *_private;	/* application data */
    xmlElementType   type;	/* type number, must be second ! */
    const xmlChar   *name;      /* the name of the node, or the entity */
    struct _xmlNode *children;	/* parent->childs link */
    struct _xmlNode *last;	/* last child link */
    struct _xmlNode *parent;	/* child->parent link */
    struct _xmlNode *next;	/* next sibling link  */
    struct _xmlNode *prev;	/* previous sibling link  */
    struct _xmlDoc  *doc;	/* the containing document */

    /* End of common part */
    xmlNs           *ns;        /* pointer to the associated namespace */
    xmlChar         *content;   /* the content */
    struct _xmlAttr *properties;/* properties list */
    xmlNs           *nsDef;     /* namespace definitions on this node */
    void            *psvi;	/* for type/PSVI informations */
    unsigned short   line;	/* line number */
    unsigned short   extra;	/* extra data for XPath/XSLT */
};

[cpp] view plain copy print ?

/*
*Anode-set(anunorderedcollectionofnodeswithoutduplicates).
*/
typedefstruct_xmlNodeSetxmlNodeSet;
typedefxmlNodeSet*xmlNodeSetPtr;
struct_xmlNodeSet{
intnodeNr;/*numberofnodesintheset*/
intnodeMax;/*sizeofthearrayasallocated*/
xmlNodePtr*nodeTab;/*arrayofnodesinnoparticularorder*/
/*@@with_nstocheckwethernamespacenodesshouldbelookedat@@*/
};

/*
 * A node-set (an unordered collection of nodes without duplicates).
 */
typedef struct _xmlNodeSet xmlNodeSet;
typedef xmlNodeSet *xmlNodeSetPtr;
struct _xmlNodeSet {
    int nodeNr;			/* number of nodes in the set */
    int nodeMax;		/* size of the array as allocated */
    xmlNodePtr *nodeTab;	/* array of nodes in no particular order */
    /* @@ with_ns to check wether namespace nodes should be looked at @@ */
};

[cpp] view plain copy print ?

xmlNodeSetPtrnodeset=XPATH查询结果;
for(inti=0;i<nodeset->nodeNr;i++)
{
nodeset->nodeTab[i];
}

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

Chinamming

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫