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。
- #include <stdio.h>
- #include <string.h>
- #include <stdlib.h>
- #include <libxml/tree.h>
- #include <libxml/parser.h>
文件中需要包含这两个头文件。
- 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。
- node = xmlDocGetRootElement(doc);
- if(NULL == node) {
- fprintf(stderr, "doc has no content\n");
- xmlFreeDoc(doc);
- exit(1);
- }
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。
- node = node->xmlChildrenNode;
- while(node != NULL) {
- printf("name=%s content=%s\n",
- node->name,
- (char*)xmlNodeGetContent(node));
- node=node->next;
- }
这是完整的源码。
- #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;
- }
编译链接后执行,会发现输出的结果如下:
- name=text content=
- name=node1 content=content1
- name=text content=
- name=node2 content=content2
- name=text content=
- name=node3 content=
- go
- name=text content=
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:
- name=node1 content=content1
- name=node2 content=content2
- 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。
- static char* config = "<config />";
- xmlDocPtr doc = NULL;
- xmlKeepBlanksDefault(0);
- doc = xmlReadMemory(config, strlen(config), "in_memory.xml", NULL, 0);
- //handle doc
- xmlFreeDoc(doc);
- 顶
- 0