xml文件的解析

最新推荐文章于 2024-03-09 14:44:31 发布

猫猫猫猫猫大人

最新推荐文章于 2024-03-09 14:44:31 发布

阅读量4.5k

点赞数

分类专栏： C/C++ Linux

Linux 同时被 2 个专栏收录

95 篇文章 1 订阅

订阅专栏

C/C++

37 篇文章 3 订阅

订阅专栏

1. Libxml2中的数据类型和函数

一个函数库中可能有几百种数据类型以及几千个函数，但是记住大师的话，90%的功能都是由30%的内容提供的。对于libxml2，我认为搞懂以下的数据类型和函数就足够了。

1.1 内部字符类型xmlChar

xmlChar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。事实上它的定义是：xmlstring.h

typedef unsigned char xmlChar;

使用unsigned char作为内部字符格式是考虑到它能很好适应UTF-8编码，而UTF-8编码正是libxml2的内部编码，其它格式的编码要转换为这个编码才能在libxml2中使用。

还经常可以看到使用xmlChar*作为字符串类型，很多函数会返回一个动态分配内存的xmlChar*变量，使用这样的函数时记得要手动删除内存。

1.2 xmlChar相关函数

如同标准c中的char类型一样，xmlChar也有动态内存分配、字符串操作等相关函数。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。

1.3 xmlChar*与其它类型之间的转换

另外要注意，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。

1.4 文档类型xmlDoc、指针xmlDocPtr

xmlDoc是一个struct，保存了一个xml的相关信息，例如文件名、文档类型、子节点等等；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。

1.5 节点类型xmlNode、指针xmlNodePtr

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：tree.h

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：

l 节点中的文字内容：content；

l 节点所属文档：doc；

l 节点名字：name；

l 节点的namespace：ns；

l 节点属性列表：properties；

Xml文档的操作其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。

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。

1.6 节点集合类型xmlNodeSet、指针xmlNodeSetPtr

节点集合代表一个由节点组成的变量，节点集合只作为Xpath的查询结果而出现（XPATH的介绍见后面），因此被定义在xpath.h中，其定义如下：

* 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：

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++，我想我宁愿用STL中的vector来表示一个节点集合更好，而且没有内存泄漏或者溢出的担忧。

2. 简单xml操作例子

了解以上基本知识之后，就可以进行一些简单的xml操作了。当然，还没有涉及到内码转换（使得xml中可以处理中文）、xpath等较复杂的操作。

2.1 创建xml文档

有了上面的基础，创建一个xml文档显得非常简单，其流程如下：

l 用xmlNewDoc函数创建一个文档指针doc；

l 用xmlNewNode函数创建一个节点指针root_node；

l 用xmlDocSetRootElement将root_node设置为doc的根结点；

l 给root_node添加一系列的子节点，并设置子节点的内容和属性；

l 用xmlSaveFile将xml文档存入文件；

l 用xmlFreeDoc函数关闭文档指针，并清除本文档中所有节点动态申请的内存。

注意，有多种方式可以添加子节点：第一是用xmlNewTextChild直接添加一个文本子节点；第二是先创建新节点，然后用xmlAddChild将新节点加入上层节点。

源代码文件是CreateXmlFile.cpp，如下：

/********************************************************************

created: 2007/11/09

created: 9:11:2007 15:34

filename: CreateXmlFile.cpp

author: Wang xuebin

depend: libxml2.lib

build: nmake TARGET_NAME=CreateXmlFile

purpose: 创建一个xml文件

*********************************************************************/

#include

int main()

{

//定义文档和节点指针

xmlDocPtr doc = xmlNewDoc(BAD_CAST"1.0");

xmlNodePtr root_node = xmlNewNode(NULL,BAD_CAST"root");

//设置根节点

xmlDocSetRootElement(doc,root_node);

//在根节点中直接创建节点

xmlNewTextChild(root_node, NULL, BAD_CAST "newNode1", BAD_CAST "newNode1 content");

xmlNewTextChild(root_node, NULL, BAD_CAST "newNode2", BAD_CAST "newNode2 content");

xmlNewTextChild(root_node, NULL, BAD_CAST "newNode3", BAD_CAST "newNode3 content");

//创建一个节点，设置其内容和属性，然后加入根结点

xmlNodePtr node = xmlNewNode(NULL,BAD_CAST"node2");

xmlNodePtr content = xmlNewText(BAD_CAST"NODE CONTENT");

xmlAddChild(root_node,node);

xmlAddChild(node,content);

xmlNewProp(node,BAD_CAST"attribute",BAD_CAST "yes");

//创建一个儿子和孙子节点

node = xmlNewNode(NULL, BAD_CAST "son");

xmlAddChild(root_node,node);

xmlNodePtr grandson = xmlNewNode(NULL, BAD_CAST "grandson");

xmlAddChild(node,grandson);

xmlAddChild(grandson, xmlNewText(BAD_CAST "This is a grandson node"));

//存储xml文档

int nRel = xmlSaveFile("CreatedXml.xml",doc);

if (nRel != -1)

{

cout<<"一个xml文档被创建,写入"<个字节"<

}

//释放文档内节点动态申请的内存

xmlFreeDoc(doc);

return 1;

}

编译链接命令如下：

nmake TARGET_NAME=CreateXmlFile

然后执行可执行文件CreateXmlFile.exe，会生成一个xml文件CreatedXml.xml，打开后如下所示：

<root>

<newNode1>newNode1 contentnewNode1>

<newNode2>newNode2 contentnewNode2>

<newNode3>newNode3 contentnewNode3>

<node2 attribute="yes">NODE CONTENTnode2>

<son>

<grandson>This is a grandson nodegrandson>

son>

root>

最好使用类似XMLSPY这样的工具打开，因为这些工具可以自动整理xml文件的栅格，否则很有可能是没有任何换行的一个xml文件，可读性较差。

2.2 解析xml文档

解析一个xml文档，从中取出想要的信息，例如节点中包含的文字，或者某个节点的属性，其流程如下：

l 用xmlReadFile函数读出一个文档指针doc；

l 用xmlDocGetRootElement函数得到根节点curNode；

l curNode->xmlChildrenNode就是根节点的子节点集合；

l 轮询子节点集合，找到所需的节点，用xmlNodeGetContent取出其内容；

l 用xmlHasProp查找含有某个属性的节点；

l 取出该节点的属性集合，用xmlGetProp取出其属性值；

l 用xmlFreeDoc函数关闭文档指针，并清除本文档中所有节点动态申请的内存。

注意：节点列表的指针依然是xmlNodePtr，属性列表的指针也是xmlAttrPtr，并没有xmlNodeList或者xmlAttrList这样的类型。看作列表的时候使用它们的next和prev链表指针来进行轮询。只有在Xpath中有xmlNodeSet这种类型，其使用方法前面已经介绍了。

源代码如下：ParseXmlFile.cpp

/********************************************************************

created: 2007/11/15

created: 15:11:2007 11:47

filename: ParseXmlFile.cpp

author: Wang xuebin

depend: libxml2.lib

build: nmake TARGET_NAME=ParseXmlFile

purpose: 解析xml文件

*********************************************************************/

#include

int main(int argc, char* argv[])

{

xmlDocPtr doc; //定义解析文档指针

xmlNodePtr curNode; //定义结点指针(你需要它为了在各个结点间移动)

xmlChar *szKey; //临时字符串变量

char *szDocName;

if (argc <= 1)

{

printf("Usage: %s docname"n", argv[0]);

return(0);

}

szDocName = argv[1];

doc = xmlReadFile(szDocName,"GB2312",XML_PARSE_RECOVER); //解析文件

//检查解析文档是否成功，如果不成功，libxml将指一个注册的错误并停止。

//一个常见错误是不适当的编码。XML标准文档除了用UTF-8或UTF-16外还可用其它编码保存。

//如果文档是这样，libxml将自动地为你转换到UTF-8。更多关于XML编码信息包含在XML标准中.

if (NULL == doc)

{

fprintf(stderr,"Document not parsed successfully. "n");

return -1;

}

curNode = xmlDocGetRootElement(doc); //确定文档根元素

/*检查确认当前文档中包含内容*/

if (NULL == curNode)

{

fprintf(stderr,"empty document"n");

xmlFreeDoc(doc);

return -1;

}

/*在这个例子中，我们需要确认文档是正确的类型。“root”是在这个示例中使用文档的根类型。*/

if (xmlStrcmp(curNode->name, BAD_CAST "root"))

{

fprintf(stderr,"document of the wrong type, root node != root");

xmlFreeDoc(doc);

return -1;

}

curNode = curNode->xmlChildrenNode;

xmlNodePtr propNodePtr = curNode;

while(curNode != NULL)

{

//取出节点中的内容

if ((!xmlStrcmp(curNode->name, (const xmlChar *)"newNode1")))

{

szKey = xmlNodeGetContent(curNode);

printf("newNode1: %s"n", szKey);

xmlFree(szKey);

}

//查找带有属性attribute的节点

if (xmlHasProp(curNode,BAD_CAST "attribute"))

{

propNodePtr = curNode;

}

curNode = curNode->next;

}

//查找属性

xmlAttrPtr attrPtr = propNodePtr->properties;

while (attrPtr != NULL)

{

if (!xmlStrcmp(attrPtr->name, BAD_CAST "attribute"))

{

xmlChar* szAttr = xmlGetProp(propNodePtr,BAD_CAST "attribute");

cout<<"get attribute = "<

xmlFree(szAttr);

}

attrPtr = attrPtr->next;

}

xmlFreeDoc(doc);

return 0;

}

编译链接命令如下：

nmake TARGET_NAME=ParseXmlFile

执行命令如下，使用第一次创建的xml文件作为输入：

ParseXmlFile.exe CreatedXml.xml

观察源代码可发现，所有以查询方式得到的xmlChar*字符串都必须使用xmlFree函数手动释放。否则会造成内存泄漏。

2.3 修改xml文档

有了上面的基础，修改xml文档的内容就很简单了。首先打开一个已经存在的xml文档，顺着根结点找到需要添加、删除、修改的地方，调用相应的xml函数对节点进行增、删、改操作。源代码见ChangeXmlFile，编译链接方法如上。执行下面的命令：

ChangeXmlFile.exe CreatedXml.xml

可以得到一个修改后的xml文档ChangedXml.xml，如下：

<root>

<newNode2>content changednewNode2>

<newNode3 newAttr="YES">newNode3 contentnewNode3>

<node2 attribute="no">NODE CONTENTnode2>

<son>

<grandson>This is a grandson nodegrandson>

<newGrandSon>new contentnewGrandSon>

son>

root>

需要注意的是，并没有xmlDelNode或者xmlRemoveNode函数，我们删除节点使用的是以下一段代码：

if (!xmlStrcmp(curNode->name, BAD_CAST "newNode1"))

{

xmlNodePtr tempNode;

tempNode = curNode->next;

xmlUnlinkNode(curNode);

xmlFreeNode(curNode);

curNode = tempNode;

continue;

}

即将当前节点从文档中断链（unlink），这样本文档就不会再包含这个子节点。这样做需要使用一个临时变量来存储断链节点的后续节点，并记得要手动删除断链节点的内存。

参考
http://www.blogjava.net/wxb_nudt/archive/2007/11/18/161340.html
http://blog.chinaunix.net/u/14063/showart_98851.html
http://xmlsoft.org/example.html
http://lcuc.org.cn/node/931
http://www.lslnet.com/linux/dosc1/06/linux-137224.htm
http://ddr4in1.techweb.com.cn/archives/2005/200622322348.shtml

猫猫猫猫猫大人

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
xml文件的解析

1.Libxml2中的数据类型和函数一个函数库中可能有几百种数据类型以及几千个函数，但是记住大师的话，90%的功能都是由30%的内容提供的。对于libxml2，我认为搞懂以下的数据类型和函数就足够了。1.1 内部字符类型xmlCharxmlChar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。事实上它的定义是：xmlstring.htyped
复制链接

扫一扫