1.概念：
XML是一种Extensible Mark-up Language，事实上他不是一种mark-up语言，他

是一种用来定义更适合特定tasks的新mark-up语言的方法。他的工作原理是：为

DTDs（Document Type Definitions）定义了语法。一个DTD定义了文档中可以出

现的一系列的元素，元素的属性以及各元素之间的关系；他还定义了元素的强制

性与可选性，元素的顺序，元素之间的包含关系（是否强制等）。
XML更专注的是每个数据元素是什么，而不是数据元素在网页中如何显示。

2.XML基本规则：
XML的正确性表达有两种方式：valid和well-formed
下面是well-formed的规则：
1）XML文档必须有一个顶级element。
2）所有的元素必须有打开和关闭tags（除了特殊的空tags，在空tags实例中打

开tags也会作为closeing tags）。
3）打开和关闭tags必须有正确的嵌套。
4）所有的属性必须被引用并且不能包含"<" or "&"（除非是reference的第一个

字符）。
下面是valid的规则：valid格式的XML主张了DTD的格式。

相对应的XML parser也有两种方式：valid和well-formed分别对象上面的两种

XML表达方式。

3.XML parser：
XML::Parser：该模块是创建于XML::Parser::Expat之上的，Expat是一个

nonvalidating parser。因此可以用该模块来解析well-formed格式的XML。

XML::Parser和HMTL::Parser相似，但是却比HTML::Parser复杂。
 

主意：

Expat是一个event-based parser。当parser识别到文本的特定部分（比如start或者end tag）时，已经注册的相应类型的handler就会使用合适的参数被调用。

 

由于个人技术问题，无法对XML::Parser进行详细的介绍：

只是通过一个非常简单的例子，说明下自己对XML::Parser的理解。

XML::Parser地址：http://search.cpan.org/~toddr/XML-Parser-2.41/Parser.pm

 

需要处理的XML文件：

[root@dou xml]# cat sample1
<FORECAST>
  <OUTLOOK>
    Partly Cloudy
  </OUTLOOK>
  <TEMPERATURE TYPE="MAX" DEGREES="C">12</TEMPERATURE>
  <TEMPERATURE TYPE="MIN" DEGREES="C">6</TEMPERATURE>
</FORECAST>
[root@dou xml]#
 

调用xml文件的perl程序：

[root@dou xml]# cat sample1.pl
#!/usr/bin/perl -w
use strict;
use XML::Parser;

my %forecast;
my @curr;
my $type;

my $p = XML::Parser->new(Style => 'Stream');
$p->parsefile(shift);
print "Outlook: $forecast{outlook}\n";
foreach(keys %forecast) {
        next if /outlook/;
        print "$_:$forecast{$_}->{val} $forecast{$_}->{deg}\n";
}

sub StartTag {
        my($p,$tag) = @_;
        push @curr,$tag;
        if ($tag eq 'TEMPERATURE') {
                $type = $_{TYPE};
                $forecast{$type}->{deg} = $_{DEGREES};
        }
}

sub EndTag {
        pop @curr;
}

sub Text {
        my($p) = shift;
        return unless /\S/;
        s/^\s+//;
        s/\s+$//;
        if ($curr[-1] eq 'OUTLOOK') {
                $forecast{outlook} .= $_;
        } elsif ( $curr[-1] eq 'TEMPERATURE' ) {
                $forecast{$type}->{val} = $_;
        }
}
print "-" x 9,"\n";
foreach my $key (keys %forecast) {
        print "$key\n";
}
print "-" x 9,"\n";
foreach my $value (values %forecast) {
        print "$value\n";
}
print "-" x 9,"\n";
[root@dou xml]#
 

执行后的结果：

[root@dou xml]# perl sample1.pl sample1
Outlook: Partly Cloudy
MIN:6 C
MAX:12 C
---------
MIN
outlook
MAX
---------
HASH(0x1c78d7b0)
Partly Cloudy
HASH(0x1c78d6b0)
---------
[root@dou xml]#
 

针对脚本进行解析：

my $p = XML::Parser->new(Style => 'Stream')---->

new构造函数是XML::Parser的一个class method。传递给该函数的参数是keyword/value 对。

Styles中的Stream：

This style also uses the Pkg package. If none of the subs that this style looks for is there, then the effect of parsing with this style is to print a canonical copy of the document without comments or declarations. All the subs receive as their 1st parameter the Expat instance for the document they're parsing.

It looks for the following routines:

  • StartDocument

    Called at the start of the parse .

  • StartTag

    Called for every start tag with a second parameter of the element type. The $_ variable will contain a copy of the tag and the %_ variable will contain attribute values supplied for that element.

         sub StartTag {
        my($p,$tag) = @_;
       .......

       }

所有的子函数的第一个参数都是Expat instance，对于StartTag函数他的第二个参数是元素类型，然后对于该元素的属性保存在一个%_哈希中。

因此，我们可以通过操作哈希来操作元素对应的属性：

$type = $_{TYPE};
$forecast{$type}->{deg} = $_{DEGREES};
 

因为：TYPE="MAX" DEGREES="C"相当于一个如下的hash的键值对：

{

TYPE => MAX,

DEGREES => C，

}

 

  • EndTag

    Called for every end tag with a second parameter of the element type. The $_ variable will contain a copy of the end tag.

  • Text

    Called just before start or end tags with accumulated non-markup text in the $_ variable.

  • PI

    Called for processing instructions. The $_ variable will contain a copy of the PI and the target and data are sent as 2nd and 3rd parameters respectively.

  • EndDocument

    Called at conclusion of the parse.