转自:http://blog.sina.com.cn/s/blog_5ea0192f0100w73j.html
1、关于XML:
在开始研究 Libxml2 库之前,先了解一下XML的相关基础。XML是一种基于文本的格式,它可用来创建能够通过各种语言和平台访问的结构化数据。它包括一系列类似 HTML的标记,并以树型结构来对这些标记进行排列。
例如,可参见清单 1 中介绍的简单文档。为了更清楚地显示 XML 的一般概念,下面是一个简化的XML文件。
清单 1. 一个简单的 XML 文件
<?xml version="1.0"encoding="UTF-8"?>
清单 1 中的第一行是 XML 声明,它告诉负责处理 XML 的应用程序,即解析器,将要处理的 XML的版本。大部分的文件使用版本 1.0 编写,但也有少量的版本 1.1 的文件。它还定义了所使用的编码。大部分文件使用UTF-8,但是,XML 设计用来集成各种语言中的数据,包括那些不使用英语字母的语言。
接下来出现的是元素。一个元素以开始标记 开始(如<files>),并以结束标记 结束(如</files>),其中使用斜线 (/) 来区别于开始标记。元素是Node 的一种类型。XML 文档对象模型 (DOM) 定义了几种不同的 Nodes 类型,包括:
Elements(如 files 或者 age)
Attributes(如 units)
Text(如 root 或者 10)
元素可以具有子节点。例如,age 元素有一个子元素,即文本节点 10。
XML 解析器可以利用这种父子结构来遍历文档,甚至修改文档的结构或内容。LibXML2是这样的解析器中的其中一种,并且文中的示例应用程序正是使用这种结构来实现该目的。对于各种不同的环境,有许多不同的解析器和库。LibXML2是用于 UNIX 环境的解析器和库中最好的一种,并且经过扩展,它提供了对几种脚本语言的支持,如 Perl 和 Python。
2.
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。
2.1
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unsignedchar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。
2.2
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。
2.3
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。
2.4
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。
2.5
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 {
xmlNs
};
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:
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。
2.6
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:
typedef struct _xmlNodeSet xmlNodeSet;
typedef xmlNodeSet *xmlNodeSetPtr;
struct _xmlNodeSet {
};
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++)
{
}
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。
3.1
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:
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。
#include <stdio.h>
#include <libxml/parser.h>
#include <libxml/tree.h>
#include <iostream.h>
int main()
{
}
3.2
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:
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。
#include <libxml/parser.h>
#include <iostream.h>
int main(int argc, char* argv[])
{
}
3.3
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。
示例3:
得到一个节点的内容:
得到一个节点的某属性值:
设置一个节点的内容:
设置一个节点的某属性值:
添加一个节点元素:
添加一个节点属性:
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:
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。
3.4
要在一个复杂的xml文档中查找所需的信息,XPATH简直是必不可少的工具。XPATH语法简单易学,并且有一个很好的官方教程,见http://www.zvon.org/xxl/XPathTutorial/Output_chi/introduction.html。这个站点的XML各种教程齐全,并且有包括中文在内的各国语言版本,真是让我喜欢到非常!
使用XPATH之前,必须首先熟悉几个数据类型和函数,它们是使用XPATH的前提。在libxml2中使用Xpath是非常简单的,其流程如下:
具体的使用方法可以看XpathForXmlFile.cpp的这一段代码,其功能是查找符合某个Xpath语句的对象指针:
xmlXPathObjectPtr getNodeSet(xmlDocPtr doc, const xmlChar*szXpath)
{
}
4.用ICONV解决XML中的中文问题
Libxml2中默认的内码是UTF-8,所有使用libxml2进行处理的xml文件,必须首先显式或者默认的转换为UTF-8编码才能被处理。
下面的示例程序提供几个函数来实现对数据编码格式的转换,其中有的要用到Libiconv,因此为了确保他们能正常工作,先检查以下系统中是否已经安装libiconv库。
示例6:
xmlChar *ConvertInput(const char *in, const char *encoding){
}
示例7:
char * Convert( char *encFrom, char *encTo, const char * in){
}
5.libxml2 xmlNodeType
http://www.gnu.org/software/dotgnu/pnetlib-doc/System/Xml/XmlNodeType.html
5.1 An Attribute node can have the following child node types:Text and EntityReference . The Attribute node does not appear asthe child node of any other node type. It is not considered a childnode of an Element
id="123"
5.2 CDATA sections are used to escape blocks of text that wouldotherwise be recognized as markup. A CDATA node cannot have anychild nodes. It can appear as the child of the DocumentFragment ,EntityReference , and Element nodes.
<![CDATA[escaped text]]>
5.3 A Comment node cannot have any child nodes. It can appear asthe child of the Document , DocumentFragment , Element , andEntityReference nodes.
<!-- comment -->
5.4
A Document node can have the following child node types:XmlDeclaration , Element (maximum of one), ProcessingInstruction ,Comment , and DocumentType . It cannot appear as the child of anynode types.
5.5 A document fragment.
The DocumentFragment node associates a node or sub-tree with adocument without actually being contained within the document. ADocumentFragment node can have the following child node types:Element , ProcessingInstruction , Comment , Text , CDATA , andEntityReference . It cannot appear as the child of any nodetypes.
5.6 The document type declaration, indicated by the followingtag.
A DocumentType node can have the following child node types:Notation and Entity . It can appear as the child of the Documentnode.
<!DOCTYPE ...>
5.7 An Element node can have the following child node types:Element , Text , Comment , ProcessingInstruction , CDATA , andEntityReference . It can be the child of the Document ,DocumentFragment , EntityReference , and Element nodes.
<name>
5.8 An end element. Returned when XmlReader gets to the end ofan element.
</name>
5.9 Returned when XmlReader gets to the end of the entityreplacement as a result of a call toSystem.Xml.XmlReader.ResolveEntity .
5.10 An entity declaration.
An Entity node can have child nodes that represent the expandedentity (for example, Text and EntityReference nodes). It can appearas the child of the DocumentType node.
<!ENTITY ...>
5.11 The text content of a node.
A Text node cannot have any child nodes. It can appear as the childnode of the Attribute , DocumentFragment , Element , andEntityReference nodes.
5.12 The XML declaration.
The XmlDeclaration node must be the first node in the document. Itcannot have children. It is a child of the Document node. It canhave attributes that provide version and encodinginformation.
<?xml version="1.0"?>