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
");
    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
");

    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
",
               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!
");
        return 0;
    }

    cur = xmlDocGetRootElement(doc);

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

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

    cur = cur->children;
    while(cur != NULL) {
        printf("name=%s content=%s
",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