XML 解析器之一：MSXML使用教程(转)

最新推荐文章于 2024-09-20 13:57:25 发布

最新推荐文章于 2024-09-20 13:57:25 发布 · 228 阅读

文章标签：

#XML #C++ #C# #C #编程

本文详细介绍了使用MSXML库通过C++语言解析XML文件的方法，包括加载XML文件、枚举节点、打印节点值以及关键的内存管理技巧。同时，提供了简化示例代码并强调了避免内存泄漏的重要性。

介绍

微软的msxml是基于COM接口开发的，如同vbscript和javascript一样，微软这么做是为了提供更好的扩展性。你可以在用脚本来调用msxml，也可以用C++这样编程语言一样调用（虽然这么使用是非常烦的）。

这篇文章算是一个总结吧，我自己msxml也用的不熟，说心里话，我宁愿选择使用expat、tinyxml，而不是msxml，COM接口库很烦，为了得到一个节点的属性，你不得不首先获得一个属性集，然后再得到所要的节点，在调用get_text才能得到其值。而且特别是接口指针的释放，我做了个实验，当不释放IXMLDOMNode接口的时候，程序运行不断的泄漏内存，一会后弹出框告诉你：啥啥地址引用了非法内存...

msxml的解析效率别指望高，如同一个软件使用stl一样。开发软件前，对xml解析库的选择应考虑在内。可以考虑：xercesc、expat、tinyxml等等。

今天刚刚完成用C语言调用msxml来解析xml文件，趁着还没有忘记记录一下如何用非import的方式调用msxml的功能。为了方便，两个演示例子使用了C++语言，用C++主要是出于语法看起来更直接（用C需要这样：(This)->lpVtbl->Release(This)）。

好了，写着，写着，离题十万八千里了。准备好了吗？Go！

msxml 设计结构
msxml是基于COM的，所以就没有微软SDK API那样直接了当的函数，而是几个接口：

IXMLDOMDocument2	代表一个XML文档
IXMLDOMNode	代表XML文档中的一个节点，可以调用IXMLDOMDocument2中的selectSingleNodes来获得一个节点。
IXMLDOMNodeList	代表XML文档中的一个节点列表，一般在查找XML文档中一个属性值的时候，我们会首先调用IXMLDOMDocument2中的selectNodes来获得一个节点列表。
IXMLDOMNamedNodeMap	一个节点在xml语法中代表一个用<>括起来的实体，而一般这个实体还有属性值，IXMLDOMNamedNodeMap 就是用来表示这个的，它是一个熟悉值集合。你可以调用其getNamedItem来返回某个熟悉的值。
IXMLDOMParseError	出错处理时用的
IXMLHTTPRequest	AJAX用的就是这个接口，一般客户端程序很少使用这个接口，这个接口实现了异步请求远程机器，然后根据结果来做相应的处理。
IXMLDOMAttribute	属性接口，当向一个节点写入属性的时候将用到。
IXMLDOMElement	不知道为什么造出这个接口，等我知道了在补充。在创建一个xml的时候，必须使用这个接口来创建一节点。
IXMLDOMText	<root>Hello MSXML</root>，这个接口用来控制root节点中的文本Hello MSXML的。
IXMLDOMComment	控制xml中的注释的接口。

Msdn 2005中有两个地方讲了关于msxml的编程用法：
1. Win32 and COM Development\Graphics and Multimedia\SDK Documentation\Windows Media Services 9 Series\Programming Reference\Programming Reference (C++)\XML DOM Interfaces (C++)
2. Win32 and COM Development\XML\MSXML\MSXML SDK\MSXML\DOM\How Do I use DOM?
对于C++程序，使用DOM有两种方式：
1. 使用C++ 的import
#import <msxml3.dll> raw_interfaces_only
using namespace MSXML2;
2. 使用头文件msxml2.h
#include <msxml2.h>
对于C程序，只能使用C++中的方式2，因为import指令是C++特有的关键字。
CodeProject有一个德国人Sven Wiegand按照方式2封装的XML库 - C++ Wrapper classes for the COM interfaces of Microsoft XML parser (MSXML)。关键代码片段如下：

#include "msxml2.h"

CXMLDOMDocument2 CDOMDocumentClass::CreateXMLDOMDocument2(LPUNKNOWN pUnkOuter /*= NULL*/, DWORD dwClsContext /*= CLSCTX_ALL*/)
{
   IXMLDOMDocument2 *p;
   HRESULT hr = CoCreateInstance(m_ClsId, pUnkOuter, dwClsContext, __uuidof(IXMLDOMDocument2), (LPVOID*)&p);
   if (hr != S_OK) AfxThrowComException(hr);
   return p;
}

最简单的例子 - xml.rar(下载地址在文章开头)
这是从MSDN 2005中摘取的，我修改了一下代码。下载xml.rar后，你可以直接运行里面的buildme.bat来编译（必须安装了vc，并配置好了环境变量）。这个例子加载foo.xml文件后，调用IXMLDOMDocument2的get_xml返回xml文件内容。
1. /*++
  
  Copyright (c) 2007 nsfocus information technology
  
  Module Name:
  
  enumxml.cpp
  
  Abstract:
  
  枚举foo，打印每个节点的值。
  
  Author:
  
  xuyibo (xuyibo) 2007-09-22
  
  Revision History:
  
  --*/
  
  #include
  #include
  #pragma comment(lib, "ole32.lib")
  #pragma comment(lib, "oleaut32.lib")
  
  IXMLDOMDocument2* LoadXML(WCHAR* pXML)
  {
  HRESULT hr;
  IXMLDOMDocument2* pXMLDoc = NULL;
  IXMLDOMParseError* pObjError = NULL;
  BSTR bstr = NULL;
  VARIANT_BOOL status;
  VARIANT vSrc;
  
  //
  // 创建一msxml 文档实例，返回IXMLDOMDocument2接口。
  hr = CoCreateInstance(CLSID_DOMDocument2,
  NULL,
  CLSCTX_INPROC_SERVER,
  __uuidof(IXMLDOMDocument2),
  (void**)&pXMLDoc);
  if (FAILED(hr)) {
  printf("Failed to CoCreate an instance of an XML DOM\n");
  printf("Error code: %x\n", hr);
  goto clean;
  }
  
  hr = pXMLDoc->put_async(VARIANT_FALSE);
  if (FAILED(hr)) {
  printf("Failed to set async property\n");
  goto clean;
  }
  
  hr = pXMLDoc->put_validateOnParse(VARIANT_FALSE);
  if (FAILED(hr)) {
  printf("Failed to set validateOnParse\n");
  goto clean;
  }
  
  hr = pXMLDoc->put_resolveExternals(VARIANT_FALSE);
  if (FAILED(hr)) {
  printf("Failed to disable resolving externals.\n");
  goto clean;
  }
  
  VariantInit(&vSrc);
  V_BSTR(&vSrc) = SysAllocString(pXML);
  V_VT(&vSrc) = VT_BSTR;
  
  //
  // 读取foo.xml
  hr = pXMLDoc->load(vSrc, &status);
  
  if (status!=VARIANT_TRUE) {
  hr = pXMLDoc->get_parseError(&pObjError);
  hr = pObjError->get_reason(&bstr);
  printf("Failed to load DOM from books.xml. %S\n",bstr);
  goto clean;
  }
  
  clean:
  if (bstr)
  SysFreeString(bstr);
  if (&vSrc)
  VariantClear(&vSrc);
  if (pObjError)
  pObjError->Release();
  
  return pXMLDoc;
  }
  
  void Dump(BSTR pData)
  {
  char Buffer[512];
  
  WideCharToMultiByte(CP_ACP, WC_COMPOSITECHECK, pData,
  -1, Buffer, sizeof(Buffer), NULL, NULL);
  puts(Buffer);
  }
  
  int main(int argc, char* argv[])
  {
  HRESULT hr;
  IXMLDOMDocument2* pXMLDoc = NULL;
  IXMLDOMNodeList* pNodeList = NULL;
  IXMLDOMNode* Node;
  IXMLDOMNamedNodeMap* NodeMap;
  IXMLDOMNode* IDNode;
  long I;
  long Length;
  BSTR BStr;
  BSTR BStrValue;
  
  //
  // First we must call CoInitialize.
  //
  
  CoInitialize(NULL);
  
  //
  // Load xml.
  //
  
  pXMLDoc = LoadXML(L"foo.xml");
  if (pXMLDoc == NULL) {
  return 1;
  }
  
  if (pXMLDoc->selectNodes(L"//root/item", &pNodeList) != S_OK) {
  return 1;
  }
  
  hr = pNodeList->get_length(&Length);
  if (FAILED(hr)) {
  return 1;
  }
  
  for (I = 0; I < Length; i++) {
  if (pNodeList->get_item(I, &Node) == S_OK) {
  
  //
  // Dump text => Hello MSXML
  //
  
  if (Node->get_text(&BStr) == S_OK) {
  Dump(BStr);
  }
  
  if (Node->get_attributes(&NodeMap) == S_OK) {
  if (NodeMap->getNamedItem(L"id", &IDNode) == S_OK) {
  
  //
  // Dump id => 1
  //
  
  if (IDNode->get_text(&BStrValue) == S_OK) {
  Dump(BStrValue);
  puts("");
  SysFreeString(BStrValue);
  }
  IDNode->Release();
  }
  NodeMap->Release();
  }
  
  SysFreeString(BStr);
  Node->Release();
  }
  }
  
  pXMLDoc->Release();
  
  //
  // Finally we should call CoUninitialize
  //
  
  CoUninitialize();
  
  getchar();
  return 0;
  }

需要注意的地方

1. 得到任何接口后，别忘记调用Release()来释放接口。

今天我就在写完了xml的解析模块后，循环了1000次来测试，结果发现内存疯涨，后来发现是有一个IXMLDOMNode接口没有释放造成的。

由于通常情况下，解析xml只执行1次，所以即使有资源泄漏也很难查找出来，而且接口不同于HANDLE，泄漏后有工具可以检查出来。所以最好的方法就是通过循环来做压力测试。

2. 通过FAILED宏严格检查函数执行结果。

HRESULT hr;

hr = pXMLDoc->load(vSrc, &status);
if (FAILED(hr)) {
// 错误处理
}

3. 最新的不一定就是最好的

msxml都有6.0了，我用最老的是不是太落伍了？

我不觉得是这样，msxml2 IE6中已自带，而且功能够用，如果用msxml6，我们首先必须将它放在我们的安装包中，还必须替微软注册它，然后才能使用，而且效率往往没有老版本的高。

4. 效率考虑

一般xml库在执行加载操作的时候会花费很多的时间。有时候，如果你要频繁的搜索某些东西，可以加载xml后，将IXMLDOMDocument2，或者更进一步的IXMLDOMNodeList接口保存起来。

5. 别忘记SysFreeString

当你使用get_text得到一个BSTR的时候，msxml另分配了一块返回值buffer，所以你必须调用SysFreeString来释放内存，这个在许多xml封装库中都没有注意到的。

6.传入BSTR时，是否可以直接传WCHAR？

如果是写商业产品，还是老老实实的用BSTR吧。估计要求效率的商业产品，没几个会选择MSXML。

7. 内存中加载XML时，必须以UTF-8保存，而且读取后，必须跳过BOM值（如果存在的话）

今天才遇到的问题。从加密文件中解密出UTF-8含BOM值的xml，然后必须跳过BOM值后转换为WCHAR，然后再转换为BSTR，然后再调用LoadXML才能成功加载（顶微软个肺）。主啊，愿我们XML文件务必一定小于100MB！感觉MSXML是为脚本语言开发的，C++用起来，隔靴搔痒。
相关文章
最优雅的XML解析器TinyXML
微软新的XML API - XmlLite
expat教程