libxml的使用（1）--读取xml

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 plaincopyprint?

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 plaincopyprint?

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

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 plaincopyprint?

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

[cpp] view plaincopyprint?

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 plaincopyprint?

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 plaincopyprint?

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

编译链接后执行，会发现输出的结果如下：

[cpp] view plaincopyprint?

1. name=text content=
2. name=node1 content=content1
3. name=text content=
4. name=node2 content=content2
5. name=text content=
6. name=node3 content=
7. go
8. 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 plaincopyprint?

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 plaincopyprint?

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

顶

0