libxml的使用（1）--讀取xml

 

       libxml是一個用於解析xml文件的庫，在各個平台下都能使用，也支持多種語言，如c，Python等。這里是官方網站。上面有libxml的api和一些code examples，都是英文的。不過比較簡單。

libxml的基礎功能就是對xml的讀和寫。下面將簡單介紹libxml的讀的功能。（大部分內容是參照libxml tutorial 的文檔）

 

0 編譯程序

因為本人是在Linux下用C語言來介紹libxml的，所以使用了gcc編譯器。其他的編譯命令請參照官網。

我們知道，gcc 最簡單的編譯命令為gcc filename.c 。只要給這個命令添加頭文件和鏈接庫的地址就可以使用libxml。而libxml也提供了一個腳本xml2-config來配置這些地址。所以編譯時將命令改為gcc filename.c `xml2-config --cflags --libs`即可。cflags在編譯時提供頭文件的地址，而libs在鏈接時提供庫文件的地址。

1 分析文件--parse file

先簡單介紹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>

上面是一個簡單的xml文件。從文件中很容易就能看出整個文件的結構和要表達的意思。下面我會結合xml的基本類型介紹這個文件。

文件的第一行是xml文件的一些屬性，可以看出編碼方式是utf-8 。libxml只能處理uft-8 和 utf-16編碼的文件，如果你的文件不是這兩種編碼，需要在使用前進行轉換。

<root></root>是xml的一個節點，即xmlNode。而xmlNodePtr 表示指向xmlNode的指針--xmlNode*。<node1></node1>,<node2></node2>,<node3></node3>是這個node的子node，即xmlNodePtr->children或xmlNodePtr->xmlChildrenNode。所以<subnode></subnode>就是<node3></node3>的子node。

 

接下來就是解析文件了。

 

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <libxml/tree.h>
#include <libxml/parser.h>

 

文件中需要包含這兩個頭文件。

 

xmlDocPtr doc = NULL;
xmlNodePtr node = NULL;

doc = xmlParseFile(filename);

if(NULL  == doc) {
    fprintf(stderr, "parse error\n");
    exit(1);
}

xmlDocPtr 表示指向xmlDoc的指針。從tutorial中我們可以知道，xmlDoc是一個包含了已解析的文件生成的節點樹的結構體。

 

 

node = xmlDocGetRootElement(doc);

if(NULL == node) {
    fprintf(stderr, "doc has no content\n");

    xmlFreeDoc(doc);
    exit(1);
}

xmlDocGetRootElement(doc)可以得到整個文件的根節點，所有的操作都是從根節點開始的。

 

現在我們已經有了一個包含這個節點樹的結構體指針xmlDocPtr doc，有了一個可以操作節點的結構體指針xmlNodePtr node，我們就可以讀取各個節點的信息了。

節點包含這么幾個信息：

node->name:節點的名字，如node1,node2,subnode等

node->xmlChildrenNode:節點的子節點

node->last:節點的最后一個子節點

node->parent:節點的父節點

node->next:節點的兄弟節點，對於node1來說，node2和node3都是其兄弟節點，node1的next指向node2

由於節點的內容是其子節點(對於node1，content1可以說是其子節點)，所以我們需要使用xmlNodeGetContent來取出內容。

 

node = node->xmlChildrenNode;
while(node != NULL) {
    printf("name=%s content=%s\n",
               node->name,
               (char*)xmlNodeGetContent(node));
    node=node->next;
}

 

這是完整的源碼。

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <libxml/parser.h>

static int
parseDoc(char* docname) {
    xmlDocPtr doc;
    xmlNodePtr cur;
    //xmlKeepBlanksDefault(0);

    doc = xmlParseFile(docname);

    if(doc == NULL) {
        fprintf(stderr, "doc error!\n");
        return 0;
    }

    cur = xmlDocGetRootElement(doc);

    if(cur == NULL) {
        fprintf(stderr, "root error!\n");
        xmlFreeDoc(doc);
        return 0;
    }

    if(xmlStrcmp(cur->name, (const xmlChar*)"root")) {
        printf("end\n");
        return 0;
    }

    cur = cur->children;
    while(cur != NULL) {
        printf("name=%s content=%s\n",cur->name,
                (char*)xmlNodeGetContent(cur));
                //cur->content);
        cur = cur->next;
    }
    xmlFreeDoc(doc);
    return 0;
}

int main() {
    char* docname = "story.xml";
    parseDoc(docname);
    return 1;
}

編譯鏈接后執行，會發現輸出的結果如下：

 

 

name=text content=

name=node1 content=content1
name=text content=

name=node2 content=content2
name=text content=

name=node3 content=
        go

name=text content=

這是因為libxml默認將各個節點間的空格當作一個節點，只要在調用xmlParseFile之前調用xmlKeepBlanksDefault(0)即可。

 

修改后結果如下：

 

name=node1 content=content1
name=node2 content=content2
name=node3 content=go

2 讀取內存中的xml文檔。

很多時候我們需要對內存中的xml文檔進行操作。比如在網絡編程的時候經常會從server那里接受一些客戶端的配置信息，這些配置信息大部分都是使用xml語言描述的。在你將這些信息讀入到buffer中后，你無需將他們寫入文件當中再分析，直接可以調用xmlReadMemory函數就可以得到一個xmlDocPtr。這個函數接受五個參數，第一個參數為緩存區的指針，第二個參數為緩存區大小，其他參數具體看API文檔。當然另外一個函數xmlReadDoc也能實現這樣的功能。

 

static char* config = "<config />";
xmlDocPtr doc = NULL;
xmlKeepBlanksDefault(0);

doc = xmlReadMemory(config, strlen(config), "in_memory.xml", NULL, 0);

//handle doc

xmlFreeDoc(doc);

 

頂

0