【学习笔记】解析XML文档--使用libxml
|
之前写了个小程序，想要使用xml进行数据的收发，所以需要学习下XML的处理。 了解到对xml的处理有两种常见的库，libxml和tinyxml。 考虑到tinyxml是C++的api，而我使用纯C写的程序，所以放弃tinyxml，使用libxml来对XML进行操作。
主要变量xmlChar xmlstring.h : typedef unsigned char xmlChar; 该变量一般使用在xmlNodePtr->name等需要使用字符串的地方。
xmlDocPtr 该变量是一个结构体，可以简单理解为指向xml文档的文件描述符。
xmlNodePtr 该变量是一个结构体。 typedef struct _xmlNode xmlNode;
typedef xmlNode *xmlNodePtr;
struct _xmlNode {
void *_private; // 应用数据
xmlElementType type; // 元素类型
const xmlChar *name; // 节点名称
struct _xmlNode *children; // 指向自己的第一个孩子节点
struct _xmlNode *last; // 指向自己的最后一个孩子节点
struct _xmlNode *parent; // 指向自己的父节点
struct _xmlNode *next; // 指向下一个兄弟节点
struct _xmlNode *prev; // 指向前一个兄弟节点
struct _xmlDoc *doc; // 包含文件
/* 以上是通用模块 */
xmlNs *ns; // 指向关联的命名空间
xmlChar *content; // 内容
struct _xmlAttr *properties;// 属性列表
xmlNs *nsDef; // 定义在该节点上的命名空间
void *psvi; // /PSVI 信息
unsigned short line; // 行数
unsigned short extra; // XPath/XSLT的额外信息
主要函数xmlReadFile( ) 【打开目标XML文档，并返回指向该文件的描述符】 xmlReadFile( char * xmlFileName,"UTF-8",XML_PARSER_RECOVER); 返回值为xmlDocPtr类型，为目标xml文档的文件描述符。
xmlParseMemory( ) 【获取内存中的xml信息，并返回指向该信息的描述符】 xmlParseMemory( const char * buffer,int size); 返回值为xmlDocOtr类型，为目标xml信息的描述符。
xmlDocGetRootElement( ) 【返回XML文档的root节点】 xmlDocGetRootElement( xmlDocPtr ) 参数是xmlReadFile函数获取的xml文件描述符，将root节点返回给一个xmlNodePtr类型。
xmlStrcmp( ) 【XML字符串比较函数】 xmlStrcmp(xmlNodePtr， BAD_CAST "nodeName" ) 对一个xml节点的名字和字符串进行比较，如果相同，返回true；不同，返回false。 ------------------------------------------------------------------------ 【注意】：BAD_CAST用来做显示的转换。 libxml的api使用 const unsigned char* 。 而string literal 只能隐式转换到 const char*。 所以libxml提供一个BAD_CAST用来作显示转换。 ——《libxml2中的"BAD_CAST"》 by dotnetsong
xmlNodeGetContent( ) 【获取节点的内容（message）】 xmlNodeGetContent( xmlNodePtr ) 参数是xml的节点，返回值是该节点包含的信息。 ------------------------------------------------------------------------ 【注意】还有另外一个很相似的获取内容函数：xmlNodeListGetString( )，两者的区别如下： xmlNodeListGetString只取当前节点链表类型TEXT或者ENTITY_REF节点内容； xmlNodeGetContent获取子孙节点类型TEXT或者ENTITY_REF节点内容拼接字符串。
其他函数xmlKeepBlankDefault(0) ：解析xml时忽视空白行，不显示text空节点； xmlFreeDoc( xmlDocPtr )：释放指向XML文档的描述符； xmlCleanupParser( )：释放占用的系统资源；
常用宏命令
BAD_CAST #define BAD_CAST (xmlChar *) 这个宏的作用是将字符串强制转换成xmlChar * 类型，也就是前面说到的unsigned char * 类型。
举个栗子
下面是一个目标XML文件：
File Name：b.xml <?xml version="1.0" encoding="UTF-8" ?> <html> <head> <title>Welcome to nginx!</title> </head> <body bgcolor="white" text="black"> <center> <h1>Welcome to nginx!</h1> </center> <a href = "link_mysql.php"> <p>xusongqi</p> </a> </body> </html>
如果我想提取这个xml文件中的一级孩子节点名称以及其包含的内容
那么我可以使用下面的代码实现：
/*
* Author: xusongqi@live.com
*
* Created Time: 2014年05月31日 星期六 11时21分55秒
*
* FileName: xml_analyse.c
*
* Description:
*
*/
#include <libgen.h>
#include <libxml/parser.h>
#include <libxml/tree.h>
#include <stdio.h>
#include <stdlib.h>
#include <unistd.h>
int main(void)
{
char * xml_filename;
char n = 0;
xmlDocPtr pdoc = NULL;
xmlNodePtr proot = NULL,curNode = NULL;
xml_filename = "b.xml";
xmlKeepBlanksDefault(0);
pdoc = xmlReadFile(xml_filename,"UTF_8",XML_PARSE_RECOVER);
if(pdoc == NULL)
{
printf("open file errorn");
exit(1);
}
proot = xmlDocGetRootElement(pdoc);
if(proot == NULL)
{
printf("get element errorn");
exit(1);
}
if(xmlStrcmp(proot->name,BAD_CAST "html") != 0)
{
printf("file info errorn");
exit(1);
}printf("root node : %sn",proot->name);
curNode = proot->xmlChildrenNode;
while(curNode != NULL)
{
//if(xmlStrcmp(curNode->name,BAD_CAST "text") != 0)
if(curNode->name)
{
printf("child node%d: %s : ",n++,curNode->name);
printf("%sn",xmlNodeGetContent(curNode));
}
curNode = curNode->next;
}
xmlFreeDoc(pdoc);
xmlCleanupParser();
return 0;
}
输出结果：
root node : html
child node0: head : Welcome to nginx! child node1: body : Welcome to nginx!xusongqi 参考资料
libxml -- 解析 XML 文档 //很棒的libxml上手资料
libxml主要函数说明 //另一份入门资料，包涵了直接从缓冲区读取xml的方法【赞！】
"libxml/parser.h: 没有那个文件或目录"解决方案 //安装libxml-dev之后，编译时找不到头文件的解决办法
（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |