C的xml编程-libxml2

C的xml编程-libxml2 C的xml编程-libxml2 这里主要讲述libxml2在linux下的使用。（以下内容除了linux下的安装步骤是自己写的，其余均出自/wxb_nudt/archive/2007/11/28/161340.html，由于该篇文章讲解的非常详细，我也没必要重写一遍了。如果该篇文章早出些时候，早期开发我也不会走很多弯路了。虽然在该篇文章出现之前我已经对libxml2较熟悉了并开发完毕，但为了备忘，现在将该篇文章作为收藏之用。在此再次感谢这篇文章的大侠为大家整理了这篇文章_）1. 下载与安装LIBXML2Libxml2是一个C语言的XML程序库，可以简单方便的提供对XML文档的各种操作，并且支持XPATH查询，以及部分的支持XSLT转换等功能。Libxml2的下载地址是/，完全版的库是开源的，并且带有例子程序和说明文档。最好将这个库先下载下来，因为这样可以查看其中的文档和例子。由于我是在linux下用C语言进行开发的，所以我下载的是libxml2-2.6.20.tar.gz版本的源码包。具体安装步骤：1、解压：$tar zxvf libxml2-2.6.20.tar.gz2、进入解压后的安装目录：$cd libxml2-2.6.203、安装三部曲：1）$./configure 2)$make 3)$make install安装完毕。2. Libxml2中的数据类型和函数一个函数库中可能有几百种数据类型以及几千个函数，但是记住大师的话，90%的功能都是由30%的内容提供的。对于libxml2，我认为搞懂以下的数据类型和函数就足够了。2.1 内部字符类型xmlCharxmlChar是Libxml2中的字符类型，库中所有字符、字符串都是基于这个数据类型。事实上它的定义是：xmlstring.htypedef unsigned char xmlChar;使用unsigned char作为内部字符格式是考虑到它能很好适应UTF-8编码，而UTF-8编码正是libxml2的内部编码，其它格式的编码要转换为这个编码才能在libxml2中使用。还经常可以看到使用xmlChar*作为字符串类型，很多函数会返回一个动态分配内存的xmlChar*变量，使用这样的函数时记得要手动删除内存。2.2 xmlChar相关函数如同标准c中的char类型一样，xmlChar也有动态内存分配、字符串操作等相关函数。例如xmlMalloc是动态分配内存的函数；xmlFree是配套的释放内存函数；xmlStrcmp是字符串比较函数等等。基本上xmlChar字符串相关函数都在xmlstring.h中定义；而动态内存分配函数在xmlmemory.h中定义。2.3 xmlChar*与其它类型之间的转换另外要注意，因为总是要在xmlChar*和char*之间进行类型转换，所以定义了一个宏BAD_CAST，其定义如下：xmlstring.h#define BAD_CAST (xmlChar *)原则上来说，unsigned char和char之间进行强制类型转换是没有问题的。2.4 文档类型xmlDoc、指针xmlDocPtrxmlDoc是一个struct，保存了一个xml的相关信息，例如文件名、文档类型、子节点等等；xmlDocPtr等于xmlDoc*，它搞成这个样子总让人以为是智能指针，其实不是，要手动删除的。xmlNewDoc函数创建一个新的文档指针。xmlParseFile函数以默认方式读入一个UTF-8格式的文档，并返回文档指针。xmlReadFile函数读入一个带有某种编码的xml文档，并返回文档指针；细节见libxml2参考手册。xmlFreeDoc释放文档指针。特别注意，当你调用xmlFreeDoc时，该文档所有包含的节点内存都被释放，所以一般来说不需要手动调用xmlFreeNode或者xmlFreeNodeList来释放动态分配的节点内存，除非你把该节点从文档中移除了。一般来说，一个文档中所有节点都应该动态分配，然后加入文档，最后调用xmlFreeDoc一次释放所有节点申请的动态内存，这也是为什么我们很少看见xmlNodeFree的原因。xmlSaveFile将文档以默认方式存入一个文件。xmlSaveFormatFileEnc可将文档以某种编码/格式存入一个文件中。2.5 节点类型xmlNode、指针xmlNodePtr节点应该是xml中最重要的元素了，xmlNode代表了xml文档中的一个节点，实现为一个struct，内容很丰富：tree.htypedef struct _xmlNode xmlNode;typedef xmlNode *xmlNodePtr;struct _xmlNode void *_private;/* application data */ xmlElementType type; /* type number, must be second ! */ const xmlChar *name; /* the name of the node, or the entity */ struct _xmlNode *children; /* parent->childs link */ struct _xmlNode *last; /* last child link */ struct _xmlNode *parent;/* child->parent link */ struct _xmlNode *next; /* next sibling link */ struct _xmlNode *prev; /* previous sibling link */ struct _xmlDoc *doc;/* the containing document */ /* End of common part */ xmlNs *ns; /* pointer to the associated namespace */ xmlChar *content; /* the content */ struct _xmlAttr *properties;/* properties list */ xmlNs *nsDef; /* namespace definitions on this node */ void *psvi;/* for type/PSVI informations */ unsigned short line; /* line number */ unsigned short extra; /* extra data for XPath/XSLT */;可以看到，节点之间是以链表和树两种方式同时组织起来的，next和prev指针可以组成链表，而parent和children可以组织为树。同时还有以下重要元素：l 节点中的文字内容：content；l 节点所属文档：doc；l 节点名字：name；l 节点的namespace：ns；l 节点属性列表：properties；Xml文档的操作其根本原理就是在节点之间移动、查询节点的各项信息，并进行增加、删除、修改的操作。xmlDocSetRootElement函数可以将一个节点设置为某个文档的根节点，这是将文档与节点连接起来的重要手段，当有了根结点以后，所有子节点就可以依次连接上根节点，从而组织成为一个xml树。2.6 节点集合类型xmlNodeSet、指针xmlNodeSetPtr节点集合代表一个由节点组成的变量，节点集合只作为Xpath的查询结果而出现（XPATH的介绍见后面），因此被定义在xpath.h中，其定义如下：/* * A node-set (an unordered collection of nodes without duplicates). */typedef struct _xmlNodeSet xmlNodeSet;typedef xmlNodeSet *xmlNodeSetPtr;struct _xmlNodeSet int nodeNr; /* number of nodes in the set */ int nodeMax; /* size of the array as allocated */ xmlNodePtr *nodeTab;/* array of nodes in no particular order */ /* with_ns to check wether namespace nodes should be looked at */;可以看出，节点集合有三个成员，分别是节点集合的节点数、最大可容纳的节点数，以及节点数组头指针。对节点集合中各个节点的访问方式很简单，如下：xmlNodeSetPtr nodeset = XPATH查询结果;for (int i = 0; i < nodeset->nodeNr; i+) nodeset->nodeTabi;注意，libxml2是一个c函数库，因此其函数和数据类型都使用c语言的方式来处理。如果是c+，我想我宁愿用STL中的vector来表示一个节点集合更好，而且没有内存泄漏或者溢出的担忧。3. 简单xml操作例子了解以上基本知识之后，就可以进行一些简单的xml操作了。当然，还没有涉及到内码转换（使得xml中可以处理中文）、xpath等较复杂的操作。3.1 创建xml文档有了上面的基础，创建一个xml文档显得非常简单，其流程如下：l 用xmlNewDoc函数创建一个文档指针doc；l 用xmlNewNode函数创建一个节点指针root_node；l 用xmlDocSetRootElement将root_node设置为doc的根结点；l 给root_node添加一系列的子节点，并设置子节点的内容和属性；l 用xmlSaveFile将xml文档存入文件；l 用xmlFreeDoc函数关闭文档指针，并清除本文档中所有节点动态申请的内存。注意，有多种方式可以添加子节点：第一是用xmlNewTextChild直接添加一个文本子节点；第二是先创建新节点，然后用xmlAddChild将新节点加入上层节点。源代码文件是CreateXmlFile.cpp，如下：/* created: 2007/11/09 created: 9:11:2007 15:34 filename: CreateXmlFile.cpp author: Wang xuebin depend: libxml2.lib build: nmake TARGET_NAME=CreateXmlFile purpose: 创建一个xml文件*/#include <stdio.h>#include <libxml/parser.h>#include <libxml/tree.h>#include <iostream.h>int main() /定义文档和节点指针 xmlDocPtr doc = xmlNewDoc(BAD_CAST1.0); xmlNodePtr root_node = xmlNewNode(NULL,BAD_CASTroot); /设置根节点 xmlDocSetRootElement(doc,root_node); /在根节点中直接创建节点 xmlNewTextChild(root_node, NULL, BAD_CAST newNode1, BAD_CAST newNode1 content); xmlNewTextChild(root_node, NULL, BAD_CAST newNode2, BAD_CAST newNode2 content); xmlNewTextChild(root_node, NULL, BAD_CAST newNode3, BAD_CAST newNode3 content); /创建一个节点，设置其内容和属性，然后加入根结点 xmlNodePtr node = xmlNewNode(NULL,BAD_CASTnode2); xmlNodePtr content = xmlNewText(BAD_CASTNODE CONTENT); xmlAddChild(root_node,node); xmlAddChild(node,content); xmlNewProp(node,BAD_CASTattribute,BAD_CAST yes); /创建一个儿子和孙子节点 node = xmlNewNode(NULL, BAD_CAST son); xmlAddChild(root_node,node); xmlNodePtr grandson = xmlNewNode(NULL, BAD_CAST grandson); xmlAddChild(node,grandson); xmlAddChild(grandson, xmlNewText(BAD_CAST This is a grandson node); /存储xml文档 int nRel = xmlSaveFile(CreatedXml.xml,doc); if (nRel != -1) cout<<一个xml文档被创建,写入<<nRel<<个字节<<endl; /释放文档内节点动态申请的内存 xmlFreeDoc(doc); return 1;编译链接命令如下：nmake TARGET_NAME=CreateXmlFile然后执行可执行文件CreateXmlFile.exe，会生成一个xml文件CreatedXml.xml，打开后如下所示：<?xml version=1.0?><root> <newNode1>newNode1 content</newNode1> <newNode2>newNode2 content</newNode2> <newNode3>newNode3 content</newNode3> <node2 attribute=yes>NODE CONTENT</node2> <son> <grandson>This is a grandson node</grandson> </son></root>最好使用类似XMLSPY这样的工具打开，因为这些工具可以自动整理xml文件的栅格，否则很有可能是没有任何换行的一个xml文件，可读性较差。3.2 解析xml文档解析一个xml文档，从中取出想要的信息，例如节点中包含的文字，或者某个节点的属性，其流程如下：l 用xmlReadFile函数读出一个文档指针doc；l 用xmlDocGetRootElement函数得到根节点curNode；l curNode->xmlChildrenNode就是根节点的子节点集合；l 轮询子节点集合，找到所需的节点，用xmlNodeGetContent取出其内容；l 用xmlHasProp查找含有某个属性的节点；l 取出该节点的属性集合，用xmlGetProp取出其属性值；l 用xmlFreeDoc函数关闭文档指针，并清除本文档中所有节点动态申请的内存。注意：节点列表的指针依然是xmlNodePtr，属性列表的指针也是xmlAttrPtr，并没有xmlNodeList或者xmlAttrList这样的类型。看作列表的时候使用它们的next和prev链表指针来进行轮询。只有在Xpath中有xmlNodeSet这种类型，其使用方法前面已经介绍了。源代码如下：ParseXmlFile.cpp/* created: 2007/11/15 created: 15:11:2007 11:47 filename: ParseXmlFile.cpp author: Wang xuebin depend: libxml2.lib build: nmake TARGET_NAME=ParseXmlFile purpose: 解析xml文件*/#include <libxml/parser.h>#include <iostream.h>int main(int argc, char* argv) xmlDocPtr doc; /定义解析文档指针 xmlNodePtr curNode; /定义结点指针(你需要它为了在各个结点间移动) xmlChar *szKey; /临时字符串变量 char *szDocName; if (argc <= 1) printf(Usage: %s docnamen, argv0); return(0); szDocName = argv1; doc = xmlReadFile(szDocName,GB2312,XML_PARSE_RECOVER); /解析文件 /检查解析文档是否成功，如果不成功，libxml将指一个注册的错误并停止。 /一个常见错误是不适当的编码。XML标准文档除了用UTF-8或UTF-16外还可用其它编码保存。 /如果文档是这样，libxml将自动地为你转换到UTF-8。更多关于XML编码信息包含在XML标准中. if (NULL = doc) fprintf(stderr,Document not parsed successfully. n); return -1; curNode = xmlDocGetRootElement(doc); /确定文档根元素 /*检查确认当前文档中包含内容*/ if (NULL = curNode) fprintf(stderr,empty documentn); xmlFreeDoc(doc); return -1; /*在这个例子中，我们需要确认文档是正确的类型。root是在这个示例中使用文档的根类型。*/ if (xmlStrcmp(curNode->name, BAD_CAST root) fprintf(stderr,document of the wrong type, root node != root); xmlFreeDoc(doc); return -1; curNode = curNode->xmlChildrenNode; xmlNodePtr propNodePtr = curNode; while(curNode != NULL) /取出节点中的内容 if (!xmlStrcmp(curNode->name, (const xmlChar *)newNode1) szKey = xmlNodeGetContent(curNode); printf(newNode1: %sn, szKey); xmlFree(szKey); /查找带有属性attribute的节点 if (xmlHasProp(curNode,BAD_CAST attribute) propNodePtr = curNode; curNode = curNode->next; /查找属性 xmlAttrPtr attrPtr = propNodePtr->properties; while (attrPtr != NULL) if (!xmlStrcmp(attrPtr->name, BAD_CAST attribute) xmlChar* szAttr = xmlGetProp(propNodePtr,BAD_CAST attribute); cout<<get attribute = <<szAttr<<endl; xmlFree(szAttr); attrPtr = attrPtr->next; xmlFreeDoc(doc); return 0;编译链接命令如下：nmake TARGET_NAME=ParseXmlFile执行命令如下，使用第一次创建的xml文件作为输入：ParseXmlFile.exe CreatedXml.xml观察源代码可发现，所有以查询方式得到的xmlChar*字符串都必须使用xmlFree函数手动释放。否则会造成内存泄漏。3.3 修改xml文档有了上面的基础，修改xml文档的内容就很简单了。首先打开一个已经存在的xml文档，顺着根结点找到需要添加、删除、修改的地方，调用相应的xml函数对节点进行增、删、改操作。源代码见ChangeXmlFile，编译链接方法如上。执行下面的命令：ChangeXmlFile.exe CreatedXml.xml可以得到一个修改后的xml文档ChangedXml.xml，如下：<?xml version=1.0?><root> <newNode2>content changed</newNode2> <newNode3 newAttr=YES>newNode3 content</newNode3> <node2 attribute=no>NODE CONTENT</node2> <son> <grandson>This is a grandson node</grandson> <newGrandSon>new content</newGrandSon> </son></root>需要注意的是，并没有xmlDelNode或者xmlRemoveNode函数，我们删除节点使用的是以下一段代码： if (!xmlStrcmp(curNode->name, BAD_CAST newNode1) xmlNodePtr tempNode; tempNode = curNode->next; xmlUnlinkNode(curNode); xmlFreeNode(curNode); curNode = tempNode; continue; 即将当前节点从文档中断链（unlink），这样本文档就不会再包含这个子节点。这样做需要使用一个临时变量来存储断链节点的后续节点，并记得要手动删除断链节点的内存。3.4 使用XPATH查找xml文档简而言之，XPATH之于xml，好比SQL之于关系数据库。要在一个复杂的xml文档中查找所需的信息，XPATH简直是必不可少的工具。XPATH语法简单易学，并且有一个很好的官方教程，见/xxl/XPathTutorial/Output_chi/introduction.html。这个站点的XML各种教程齐全，并且有包括中文在内的各国语言版本，真是让我喜欢到非常！使用XPATH之前，必须首先熟悉几个数据类型和函数，它们是使用XPATH的前提。在libxml2中使用Xpath是非常简单的，其流程如下：l 定义一个XPATH上下文指针xmlXPathContextPtr context，并且使用xmlXPathNewContext函数来初始化这个指针；l 定义一个XPATH对象指针xmlXPathObjectPtr result，并且使用xmlXPathEvalExpression函数来计算Xpath表达式，得到查询结果，将结果存入对象指针中；l 使用result->nodesetval得到节点集合指针，其中包含了所有符合Xpath查询结果的节点；l 使用xmlXPathFreeContext释放上下文指针；l 使用xmlXPathFreeObject释放Xpath对象指针；具体的使用方法可以看XpathForXmlFile.cpp的这一段代码，其功能是查找符合某个Xpath语句的对象指针：xmlXPathObjectPtr getNodeSet(xmlDocPtr doc, const xmlChar *szXpath) xmlXPathContextPtr context; /XPATH上下文指针 xmlXPathObjectPtr result; /XPATH对象指针，用来存储查询结果 context = xmlXPathNewContext(doc); /创建一个XPath上下文指针 if (context = NULL) printf(context is NULLn); return NULL; result = xmlXPathEvalExpression(szXpath, context); /查询XPath表达式，得到一个查询结果 xmlXPathFreeContext(context); /释放上下文指针 if (result = NULL) printf(xmlXPathEvalExpression return NULLn); return NULL; if (xmlXPathNodeSetIsEmpty(result->nodesetval) /检查查询结果是否为空 xmlXPathFreeObject(result); printf(nodeset is emptyn); return NULL; return result; 一个完整的使用Xpath的例子在代码XpathForXmlFile.cpp中，它查找一个xml文件中符合/root/node2attribute=yes语句的结果，并且将找到的节点的属性和内容打印出来。编译链接命令如下：nmake TARGET_NAME=XpathForXmlFile执行方式如下：XpathForXmlFile.exe CreatedXml.xml观察结果可以看出找到了一个节点，即root下面node2节点，它的attribute属性值正好等于yes。更多关于Xpath的内容可以参考XPATH官方手册。只有掌握了XPATH，才掌握了使用大型XML文件的方法，否则每寻找一个节点都要从根节点找起，会把人累死。4. 用ICONV解决XML中的中文问题Libxml2中默认的内码是UTF-8，所有使用libxml2进行处理的xml文件，必须首先显式或者默认的转换为UTF-8编码才能被处理。要在xml中使用中文，就必须能够在UTF-8和GB2312内码（较常用的一种简体中文编码）之间进行转换。Libxml2提供了默认的内码转换机制，并且在libxml2的Tutorial中有一个例子，事实证明这个例子并不适合用来转换中文。所以需要我们显式的使用ICONV来进行内码转换，libxml2本身也是使用ICONV进行转换的。ICONV是一个专门用来进行编码转换的库，基本上支持目前所有常用的编码。它是glibc库的一个部分，常常被用于UNIX系统中。当然，在windows下面使用也没有任何问题。前面已经提到了ICONV的安装和使用方法，这里主要讲一下编程相关问题。本节其实和xml以及libxml2没有太大关系，你可以把它简单看作是一个编码转换方面的专题。我们仅仅需要学会使用两个函数就可以了，即从UTF-8转换到GB2312的函数u2g，以及反向转换的函数g2u，源代码在wxb_codeConv.c中：/* created: 2007/11/15 created: 15:11:2007 10:30 filename: wxb_codeConv.c author: Wang xuebin depend: iconv.lib build: 不需要build，被包含到其它源代码中 purpose: 提供从UTF-8到GB2312的内码转换，以及反向的转换*/#include iconv.h#include <string.h>/代码转换:从一种编码转为另一种编码 int code_convert(char* from_charset, char* to_charset, char* inbuf, int inlen, char* outbuf, int outlen) iconv_t cd; char* pin = &inbuf; char* pout = &outbuf; cd = iconv_open(to_charset,from_charset); if(cd = 0) return -1; memset(outbuf,0,outlen); if(iconv(cd,(const char*)pin,(unsigned int *)&inlen,pout,(unsigned int*)&outlen) = -1) return -1; iconv_close(cd); return 0; /UNICODE码转为GB2312码 /成功则返回一个动态分配的char*变量，需要在使用完毕后手动free，失败返回NULLchar* u2g(char *inbuf) int nOutLen = 2 * strlen(inbuf) - 1; char* szOut = (char*)malloc(nOutLen); if (-1 = code_convert(utf-8,gb2312,inbuf,strlen(inbuf),szOut,nOutLen) free(szOut); szOut = NULL; return szOut; /GB2312码转为UNICODE码 /成功则返回一个动态分配的char*变量，需要在使用完毕后手动free，失败返回NULLchar* g2u(char *inbuf) int nOutLen = 2 * strlen(inbuf) - 1; char* szOut = (char*)malloc(nOutLen); if (-1 = code_convert(gb2312,utf-8,inbuf,strlen(inbuf),szOut,nOutLen) free(szOut); szOut = NULL; return szOut; 使用的时候将这个c文件include到其它源文件中。include一个c文件并不奇怪，在c语言的年代我们常常这么干，唯一的害处的编译链接出来的可执行程序体积变大了。当然这时因为我们这段代码很小的原因，再大一点我就要用dll了。从UTF-8到GB2312的一个典型使用流程如下：l 得到一个UTF-8的字符串szSrc；l 定义一个char*的字符指针szDes，并不需要给他动态审判内存；l szDes = u2g(szSrc)，这样就可以得到转换后的GB2312编码的字符串；l 使用完这个字符串后使用free(szDes)来释放内存。本文并不准备讲述iconv中的函数细节，因为那几个函数以及数据类型都非常简单，我们还是重点看一下如何在libxml2中使用编码转换来处理带有中文的xml文件。下面是使用以上方法来创建一个带有中文的XML文件的例子程序CreateXmlFile_cn.cpp，源代码如下：/* created: 2007/11/17 created: 9:11:2007 15:34 filename: CreateXmlFile.cpp author: Wang xuebin depend: libxml2.lib iconv.lib build: nmake TARGET_NAME=CreateXmlFile_cn purpose: 创建一个xml文件，其中包含中文*/#include <stdio.h>#include <libxml/parser.h>#include <libxml/tree.h>#include <iostream.h>#include wxb_codeConv.c /自己写的编码转换函数int main(int argc, char *argv) /定义文档和节点指针 xmlDocPtr doc = xmlNewDoc(BAD_CAST1.0); xmlNodePtr root_node = xmlNewNode(NULL,BAD_CASTroot); /设置根节点 xmlDocSetRootElement(doc,root_node); /一个中文字符串转换为UTF-8字符串，然后写入 char* szOut = g2u(节点1的内容); /在根节点中直接创建节点 xmlNewTextChild(root_node, NULL, BAD_CAST newNode1, BAD_CAST newNode1 content); xmlNewTextChild(root_node, NULL, BAD_CAST newNode2, BAD_CAST newNode2 content); xmlNewTextChild(root_node, NULL, BAD_CAST newNode3, BAD_CAST newNode3 content); xmlNewChild(root_node, NULL, BAD_CAST node1,BAD_CAST szOut); free(szOut); /创建一个节点，设置其内容和属性，然后加入根结点 xmlNodePtr node = xmlNewNode(NULL,BAD_CASTnode2); xml