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。

[cpp] view
plaincopyprint?

#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。

[cpp] view
plaincopyprint?

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。

[cpp] view
plaincopyprint?

node = xmlDocGetRootElement(doc);

if(NULL == node) {

fprintf(stderr, "doc has no content\n");

[cpp] view
plaincopyprint?

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。

[cpp] view
plaincopyprint?

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。

[cpp] view
plaincopyprint?

#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：

[cpp] view
plaincopyprint?

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：

[cpp] view
plaincopyprint?

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。

[cpp] view
plaincopyprint?

static char* config = "<config />";

xmlDocPtr doc = NULL;

xmlKeepBlanksDefault(0);

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

//handle doc

xmlFreeDoc(doc);

在上一篇文章当中，我读取了各个节点的名字和内容，现在我将读取各个节点的属性。

[html] view
plaincopyprint?

<?xml version="1.0" encoding="UTF-8"?>

<root>

<node1>content1</node1>

<node2 attribute="yes">content2</node2>

<node3>

<subnode>go</subnode>

</node3>

</root>

在node2这个节点上有一个属性attribute，其值是yes。我们可以使用xmlGetProp这个函数将其提取出来。这个函数包含了两个变量，一个是将要提取属性的节点指针xmlNodePtr，另一个是属性的名称。

[cpp] view
plaincopyprint?

xmlChar* attr_value = NULL;

if(!xmlStrcmp(node->name, (const xmlChar*)"node2")) {

attr_value = xmlGetProp(node, "attribute");

printf("attribute value:%s\n",attr_value);

xmlFree(attr_value);

}

这样我们就提取出了yes这个字符串了！