解析XML文件

• HTML  ---> RSS源码，要求解析XML文件，它有是RSS格式的，建议使用tinyXml2解析RSS文件，故要学习tinyXml2，它在github上面。
• 解析 XML 文件，解析 json 数据，是必备技能。
• 在解析xml 文件时，要求提取出标题、链接、content、并且删除文章中的标记语言   ----> 这就需要字符串匹配和处理，（一般的自己写的字符串处理太繁琐，故要求利用正则表达式进行字符串匹配） 
• 虽然在std :: 标准库里面也有Regular expressions library 可以处理字符串问题，但是它是源于boost C++库的，（boost 库也是值得我们去学习的），在这里建议使用，boost库里面的regex的一个regex_replace（）这个函数处理。其中boost库是需要在Linux中进行安装的（这里采取离线安装）

• RSS文件解析问题解决思路：                                                     xml -->  rss --> tinyxml2 --> Boost.Regex

tinyXml2 -- https://github.com/leethomason/tinyxml2

rss --- http://www.runoob.com/rss/rss-tutorial.html

• 3. Boost.Regex的使用

 

     Boost.Regex是Boost中的正则表达式库，它是由John Maddock提供的， 它的文档在：

 

http://www.boost.org/doc/libs/1_62_0/libs/regex/doc/html/index.html

6、RSS基本语法、及扩展学习

1、RSS简介

• RSS 用于在网站间分享信息。需要对下面的知识有基本的了解：HTML / XHTML、XML / XML 命名空间有所了解。
• RSS 被设计用来展示选定的数据。
• 如果没有 RSS，用户就不得不每日都来您的网站检查新的内容。对许多用户来说这样太费时了。通过 RSS feed（RSS 通常被称为 News feed 或 RSS feed），用户们可以使用 RSS 聚合器来更快地检查您的网站更新。

2、RSS基本语法

简单的 RSS 文档：

<?xml version="1.0" encoding="UTF-8" ?><rss version="2.0">

<channel>

     <title>菜鸟教程首页</title>

     <link>http://www.runoob.com</link>

     <description>免费编程教程</description>

     <item>

        <title>RSS 教程</title>

        <link>http://www.runoob.com/rss</link>

        <description>菜鸟教程 Rss 教程</description>

     </item>

     <item>

        <title>XML 教程</title>

        <link>http://www.runoob.com/xml</link>

        <description>菜鸟教程 XML 教程</description>

     </item>

</channel>

</rss>

说明：

文档中的第一行：XML 声明 - 定义了文档中使用的 XML 版本和字符编码。此例子遵守 1.0 规范，并使用 UTF-8 字符集(可支持中文)。

下一行是标识此文档是一个 RSS 文档的 RSS 声明（此例是 RSS version 2.0）。

下一行含有 <channel> 元素。此元素用于描述 RSS feed。

<channel> 元素有三个必需的子元素：

• <title> - 定义频道的标题。（比如 菜鸟教程首页）
• <link> - 定义到达频道的超链接。（比如 www.runoob.com）
• <description> - 描述此频道（比如 免费编程教程）

每个 <channel> 元素可拥有一个或多个 <item> 元素。

每个 <item> 元素可定义 RSS feed 中的一篇文章或 "story"。

<item> 元素拥有三个必需的子元素：

• <title> - 定义项目的标题。（比如 RSS 教程）
• <link> - 定义到达项目的超链接。（比如 http://www.runoob.com/rss）
• <description> - 描述此项目（比如 菜鸟教程 Rss 教程）

最后，后面的两行关闭 <channel> 和 <rss> 元素。

在 RSS 中书写注释的语法与 HTML 的语法类似：

  <!-- 这是一个 RSS 注释 -->

3、RSS的注意事项

RSS 使用 XML 来编写

因为 RSS 也是 XML，请记住：

• 所有的元素必许拥有关闭标签
• 元素对大小写敏感
• 元素必需被正确地嵌套
• 属性值必须带引号

4、RSS <channel> 其他辅助元素

RSS <channel> 元素除了上述三个必备的元素外，还有如下一些较为重要的元素：

• <category> 元素

       <category> 子元素用于为 feed 规定种类。

       <category> 子元素使 RSS 聚合器基于类别对网站进行分组成为可能。

     eg:  <category>Web 开发</category>

• <copyright> 元素

     <copyright> 子元素会告知有关版本资料的信息。

     eg:

<copyright>2006 Refsnes Data as. All rights reserved.</copyright>

• <image> 元素

<image> 子元素可在聚合器提供某个 feed 时显示一幅图像。

<image> 有三个必需的子元素：

• • <url> - 定义引用图像的 URL
  • <title> - 定义图像无法被显示时显示的文本
  • <link> - 定义到达提供此频道的网站的超链接

<image>                                                    <url>http://www.runoob.com/images/logo.png</url>

  <title>菜鸟教程</title>

  <link>http://www.runoob.com</link>

</image>

• <language> 元素

<language> 子元素用于规定用来编写文档的语言。

<language> 元素使 RSS 聚合器基于语言来对网站进行分组成为可能。

eg:   <language>zh-cn</language>

5、RSS <item>其他辅助元素

除了三个必需的子元素：<title>   <link>   <description> 外，还有一些辅助元素：

• <comments> 元素
• • <comments> 子元素允许把一个项目连接到有关此项目的注释。
  • 注释可能这样的：
  • <comments>http://www.runoob.com/comments</comments>
• <enclosure> 元素

     <enclosure> 子元素允许将一个媒体文件导入一个项中。

     <enclosure> 元素有三个必需的属性：

• • url - 定义指向此媒体文件的 URL
  • length - 定义此媒体文件的长度（字节）
  • type - 定义媒体文件的类型
  • 被包含在项目中的媒体文件可能是这样的：
  • <enclosure url="http://www.runoob.com/rss/rss.mp3"length="5000" type="audio/mpeg" />