msxml的介绍转

来源：互联网发布：林姗姗sunny淘宝店编辑：程序博客网时间：2024/06/13 16:17

介绍
微软的msxml是基于COM接口开发的，如同vbscript和javascript一样，微软这么做是为了提供更好的扩展性。你可以在用脚本来调用msxml，也可以用C++这样编程语言一样调用（虽然这么使用是非常烦的）。
这篇文章算是一个总结吧，我自己msxml也用的不熟，说心里话，我宁愿选择使用expat、tinyxml，而不是msxml，COM接口库很烦，为了得到一个节点的属性，你不得不首先获得一个属性集，然后再得到所要的节点，在调用get_text才能得到其值。而且特别是接口指针的释放，我做了个实验，当不释放IXMLDOMNode接口的时候，程序运行不断的泄漏内存，一会后弹出框告诉你：啥啥地址引用了非法内存...
msxml的解析效率别指望高，如同一个软件使用stl一样。开发软件前，对xml解析库的选择应考虑在内。可以考虑：xercesc、expat、tinyxml等等。
今天刚刚完成用C语言调用msxml来解析xml文件，趁着还没有忘记记录一下如何用非import的方式调用msxml的功能。为了方便，两个演示例子使用了C++语言，用C++主要是出于语法看起来更直接（用C需要这样：(This)->lpVtbl->Release(This)）。
好了，写着，写着，离题十万八千里了。准备好了吗？Go！

msxml 设计结构
msxml是基于COM的，所以就没有微软SDK API那样直接了当的函数，而是几个接口：

IXMLDOMDocument2

代表一个XML文档IXMLDOMNode
代表XML文档中的一个节点，可以调用IXMLDOMDocument2中的selectSingleNodes来获得一个节点。IXMLDOMNodeList
代表XML文档中的一个节点列表，一般在查找XML文档中一个属性值的时候，我们会首先调用IXMLDOMDocument2中的selectNodes来获得一个节点列表。IXMLDOMNamedNodeMap
一个节点在xml语法中代表一个用<>括起来的实体，而一般这个实体还有属性值，IXMLDOMNamedNodeMap
就是用来表示这个的，它是一个熟悉值集合。你可以调用其getNamedItem来返回某个熟悉的值。IXMLDOMParseError
出错处理时用的IXMLHTTPRequest
AJAX用的就是这个接口，一般客户端程序很少使用这个接口，这个接口实现了异步请求远程机器，然后根据结果来做相应的处理。IXMLDOMAttribute
属性接口，当向一个节点写入属性的时候将用到。IXMLDOMElement
不知道为什么造出这个接口，等我知道了在补充。在创建一个xml的时候，必须使用这个接口来创建一节点。IXMLDOMText
<root>Hello MSXML</root>，这个接口用来控制root节点中的文本Hello MSXML的。IXMLDOMComment
控制xml中的注释的接口。

Msdn 2005中有两个地方讲了关于msxml的编程用法：
1. Win32 and COM Development/Graphics and Multimedia/SDK Documentation/Windows Media Services 9 Series/Programming Reference/Programming Reference (C++)/XML DOM Interfaces (C++)
2. Win32 and COM Development/XML/MSXML/MSXML SDK/MSXML/DOM/How Do I use DOM?
对于C++程序，使用DOM有两种方式：
1. 使用C++ 的import
#import <msxml3.dll> raw_interfaces_only
using namespace MSXML2;
2. 使用头文件msxml2.h
#include <msxml2.h>
对于C程序，只能使用C++中的方式2，因为import指令是C++特有的关键字。
CodeProject有一个德国人Sven Wiegand按照方式2封装的XML库 - C++ Wrapper classes for the COM interfaces of Microsoft XML parser (MSXML)。关键代码片段如下：

#include "msxml2.h"

CXMLDOMDocument2 CDOMDocumentClass::CreateXMLDOMDocument2(LPUNKNOWN pUnkOuter /*= NULL*/, DWORD dwClsContext /*= CLSCTX_ALL*/){   IXMLDOMDocument2 *p;   HRESULT hr = CoCreateInstance(m_ClsId, pUnkOuter, dwClsContext, __uuidof(IXMLDOMDocument2), (LPVOID*)&p);   if (hr != S_OK) AfxThrowComException(hr);   return p;}

最简单的例子 - xml.rar(下载地址在文章开头)
这是从MSDN 2005中摘取的，我修改了一下代码。下载xml.rar后，你可以直接运行里面的buildme.bat来编译（必须安装了vc，并配置好了环境变量）。这个例子加载foo.xml文件后，调用IXMLDOMDocument2的get_xml返回xml文件内容。

/*++

Copyright (c) 2007 nsfocus information technology

Module Name:

    enumxml.cpp

Abstract:

    枚举foo，打印每个节点的值。

Author:

    xuyibo (xuyibo) 2007-09-22

Revision History:

--*/

#include
#include
#pragma comment(lib, "ole32.lib")
#pragma comment(lib, "oleaut32.lib")

IXMLDOMDocument2* LoadXML(WCHAR* pXML)
{
    HRESULT hr;
    IXMLDOMDocument2* pXMLDoc = NULL;
    IXMLDOMParseError* pObjError = NULL;
    BSTR bstr = NULL;
    VARIANT_BOOL status;
    VARIANT vSrc;

    //
    // 创建一msxml 文档实例，返回IXMLDOMDocument2接口。
    hr = CoCreateInstance(CLSID_DOMDocument2,
        NULL,
        CLSCTX_INPROC_SERVER,
        __uuidof(IXMLDOMDocument2),
        (void**)&pXMLDoc);
    if (FAILED(hr)) {
        printf("Failed to CoCreate an instance of an XML DOM/n");
        printf("Error code: %x/n", hr);
        goto clean;
    }

    hr = pXMLDoc->put_async(VARIANT_FALSE);
    if (FAILED(hr)) {
        printf("Failed to set async property/n");
        goto clean;
    }

    hr = pXMLDoc->put_validateOnParse(VARIANT_FALSE);
    if (FAILED(hr)) {
        printf("Failed to set validateOnParse/n");
        goto clean;
    }

    hr = pXMLDoc->put_resolveExternals(VARIANT_FALSE);
    if (FAILED(hr)) {
        printf("Failed to disable resolving externals./n");
        goto clean;
    }

    VariantInit(&vSrc);
    V_BSTR(&vSrc) = SysAllocString(pXML);
    V_VT(&vSrc) = VT_BSTR;

    //
    // 读取foo.xml
    hr = pXMLDoc->load(vSrc, &status);

    if (status!=VARIANT_TRUE) {
        hr = pXMLDoc->get_parseError(&pObjError);
        hr = pObjError->get_reason(&bstr);
        printf("Failed to load DOM from books.xml. %S/n",bstr);
        goto clean;
    }

clean:
    if (bstr)
        SysFreeString(bstr);
    if (&vSrc)
        VariantClear(&vSrc);
    if (pObjError)
        pObjError->Release();

    return pXMLDoc;
}

void Dump(BSTR pData)
{
    char Buffer[512];

    WideCharToMultiByte(CP_ACP, WC_COMPOSITECHECK, pData,
-1, Buffer, sizeof(Buffer), NULL, NULL);
    puts(Buffer);
}

int main(int argc, char* argv[])
{
    HRESULT hr;
    IXMLDOMDocument2* pXMLDoc = NULL;
    IXMLDOMNodeList* pNodeList = NULL;
    IXMLDOMNode* Node;
    IXMLDOMNamedNodeMap* NodeMap;
    IXMLDOMNode* IDNode;
    long I;
    long Length;
    BSTR BStr;
BSTR BStrValue;

    //
    // First we must call CoInitialize.
    //

    CoInitialize(NULL);

    //
    // Load xml.
    //

    pXMLDoc = LoadXML(L"foo.xml");
    if (pXMLDoc == NULL) {
        return 1;
    }

    if (pXMLDoc->selectNodes(L"//root/item", &pNodeList) != S_OK) {
        return 1;
    }

    hr = pNodeList->get_length(&Length);
    if (FAILED(hr)) {
        return 1;
    }

    for (I = 0; I < Length; i++) {
        if (pNodeList->get_item(I, &Node) == S_OK) {

            //
            // Dump text => Hello MSXML
            //

            if (Node->get_text(&BStr) == S_OK) {
                Dump(BStr);
            }

            if (Node->get_attributes(&NodeMap) == S_OK) {
                if (NodeMap->getNamedItem(L"id", &IDNode) == S_OK) {

                    //
                    // Dump id => 1
                    //

                    if (IDNode->get_text(&BStrValue) == S_OK) {
                        Dump(BStrValue);
                        puts("");
                        SysFreeString(BStrValue);
                    }
                    IDNode->Release();
                }
                NodeMap->Release();
            }

            SysFreeString(BStr);
            Node->Release();
        }
    }

    pXMLDoc->Release();

    //
    // Finally we should call CoUninitialize
    //

    CoUninitialize();

    getchar();
    return 0;
}

需要注意的地方
1. 得到任何接口后，别忘记调用Release()来释放接口。

今天我就在写完了xml的解析模块后，循环了1000次来测试，结果发现内存疯涨，后来发现是有一个IXMLDOMNode接口没有释放造成的。
由于通常情况下，解析xml只执行1次，所以即使有资源泄漏也很难查找出来，而且接口不同于HANDLE，泄漏后有工具可以检查出来。所以最好的方法就是通过循环来做压力测试。
2. 通过FAILED宏严格检查函数执行结果。
HRESULT hr;

hr = pXMLDoc->load(vSrc, &status);
if (FAILED(hr)) {
   // 错误处理
}
3. 最新的不一定就是最好的

msxml都有6.0了，我用最老的是不是太落伍了？

我不觉得是这样，msxml2 IE6中已自带，而且功能够用，如果用msxml6，我们首先必须将它放在我们的安装包中，还必须替微软注册它，然后才能使用，而且效率往往没有老版本的高。
4. 效率考虑

一般xml库在执行加载操作的时候会花费很多的时间。有时候，如果你要频繁的搜索某些东西，可以加载xml后，将IXMLDOMDocument2，或者更进一步的IXMLDOMNodeList接口保存起来。
5. 别忘记SysFreeString

   当你使用get_text得到一个BSTR的时候，msxml另分配了一块返回值buffer，所以你必须调用SysFreeString来释放内存，这个在许多xml封装库中都没有注意到的。
6.传入BSTR时，是否可以直接传WCHAR？

   如果是写商业产品，还是老老实实的用BSTR吧。估计要求效率的商业产品，没几个会选择MSXML。
7. 内存中加载XML时，必须以UTF-8保存，而且读取后，必须跳过BOM值（如果存在的话）

   今天才遇到的问题。从加密文件中解密出UTF-8含BOM值的xml，然后必须跳过BOM值后转换为WCHAR，然后再转换为BSTR，然后再调用LoadXML才能成功加载（顶微软个肺）。主啊，愿我们XML文件务必一定小于100MB！感觉MSXML是为脚本语言开发的，C++用起来，隔靴搔痒。

内容摘要：通过MSXML类库的使用理解XML文件处理模型中基于文档对象模型（DOM）的处理

　　使用MSXML对XML文件进行处理较早就已经接触到了，也写过一篇叫“XML文件的处理思考”的随笔，不经意用google搜索一下这篇文章，发现竟然被很多网站转载，版权就不用提，看到不汗颜就已经不错。其实也不是特意厚颜去google一下，在mblogger.cn的博客可以查看链接，发觉这个文章的搜索比较多来自google。到了现在，回头去看看这篇文章，冷汗直冒啊！在说明里面的缺陷以前还是先花点时间先把DOM的主要结构说一下，方便后面的理解。如果不了解怎么开始使用MSXML，看看刚才提到的这篇文章还是有点用的，地址：http://ms.mblogger.cn/ohahu/posts/4563.aspx

　　DOM模型在MSXML类库中的主要表现为把XML文件倒入内存，形成一个IXMLDOMDocument，再把其中的每一个部件都用一个接口对应起来。因为还没用MSXML进行过XSLT格式化XML文件，所以这相关的也只好避而不谈了。先来个有XML基本部件的文本：

　　(1)<?xml version='1.0' encoding='GB2312'?>
　　(2)<?xml-stylesheet type='text/xsl' href='/expert/Xsl/2.xsl'?>
　　(3)<body>
　　(4)　　<code1 id=”text”>文本</code>
　　(5)　　<code2 id=”cdata”>
　　(6)　　<![CDATA[
　　(7)　　这里是CDATA的内容，可以放类似’<’等可能会和XML控制信息有冲突的内容
　　(8)　　]]>
　　(9)　　</code>
　　(10)</body>

　　为了表述方便，在第一列都放上了行号。首先从(1)~(10)够成了一个Document，在MSXML中对应IXMLDOMDocument接口；(1)行、(2)行对应MSXML中的接口为IXMLDOMProcessingInstruction；(3)行到(10)行则为一个Root Element，对应的接口为IXMLDOMElement，(3)里面包含的多个<code>也是element，不过是body的下一层element。需要注意的是Root只能有一个，Root下面无论多深，理论上允许无数多个(?),且允许名称重复；(4)和(5)里面各有一个id=”?”这是一个attribute（注意：(1)和(2)行version;encoding;type;href等也是），对应MSXML里的IXMLDOMAttribute；(4)里面的“文本”看起来和(7)这一行是差不多的，都是文本信息，很多人以为都可以通过get_text()直接得到（不久以前我也以为），其实是错的。对于“文本”是可以通过(4)这个element直接get_text()获取，对应于IXMLDOMText，但如果在(5)这个element直接get_text()就会出错，原因？CDATA是区别于“文本”的另外一种类型，对应于IXMLDOMCDATASection，如何获取，后面再提。现在整个XML的基本框架似乎出来了：

<IXMLDOMDocument>
　　<IXMLDOMProcessingInstruction />
　　<IXMLDOMProcessingInstruction />
　　<IXMLDOMElement (根，只能有一个)>
　　 <IXMLDOMElement IXMLDOMAttribute>
　　IXMLDOMText
　　</ IXMLDOMElement >
　　 <IXMLDOMElement IXMLDOMAttribute>
　　IXMLDOMCDATASection
　　</ IXMLDOMElement >
　　<IXMLDOMElement>
　　</IXMLDOMDocument>

　　但是，看看很多关于MSXML的教程用到另外一个接口IXMLDOMNode，这个怎么回事，和上面的IXMLDOMElement有什么关系。前面用了这么长时间的MSXML经常就是在这个地方弄混，以至无所进展，最近要在C++Builder5下面使用XML解析，可是没有TXMLDocument控件，想自己封装一下MSXML的一些使用才发现其中的奥妙。在DOM模型中把包括Document、ProcessingInstruction、Attribute、Element、TextNode、CDATASection等都看作是一个个Node，在MSXML中实现接口的时候表现为这些对象都是从Node派生出来的，要理解Node和这一些接口的关系关键是要看清楚各接口之间的派生关系。为什么要添加这一个Node接口呢？目的是为了使XML各要素之间联结起来，不至于松散。

　　再加上另外两个接口IXMLDOMNodeList和IXMLDOMNamedNodeMap。其中IXMLDOMNamedNodeMap主要使用在联结同一个Element的各Attribute，因为同一个Element的Attribute必须保证两两不能冲突，而IXMLDOMNodeList则用于联结其他的几个要素ProcessingInstruction、Element、TextNode、CDATASection等，而这几个要素比如Element，在同一个层是允许相同名称重复出现的。上面的联结并没有包括Document这个Node，因为Document是整个XML的第一个Node，不可能也不允许出现在IXMLDOMNodeList和IXMLDOMNamedNodeMap下面。这段说法我也算是经过代码证实过的吧！把MSXML的Document作为第一个Node，然后通过NamedNodeMap编历该层的所有Attribute，再通过NodeList递归循环下一层的所有Node。可以看到这样的一个树状结构（其中的attribute在该行括号列出，缩进表示所在层）：

　#document
　　xml (version;encoding)
　　xml-stylesheet (type; href)
　　body
　　 code1 (id)
　　#text
　　 code2 (id)
　　#cdata-section

　　从上面打印出来的信息可以看出TextNode，CDATASection是当作Element的下一层Node来处理的。get_text()只是为了方便使用TextNode的一个捷径，对CDATASection通过get_text()访问会出错，则可考虑通过下一层Node的第一个Node来获取。方法：

　　 MSXML::IXMLDOMNodePtr child;
　　child = parent->childNodes->get_item(0);
　　if (child != NULL)
　　text = child->get_nodeValue();

　　在递归循环的时候，通常我们并不能预知这一个Node是什么类型的。为了知道这一个Node是Element还是TextNode，或者其他类型，可以通过IXMLDOMNode::nodeType来获取，这是一个枚举类型，有如下取值（从这也可以看出，上面这个XML文本并没有涵盖XML所有要素）：

　　NODE_ELEMENT (1)
　　NODE_ATTRIBUTE (2)
　　NODE_TEXT (3)
　　NODE_CDATA_SECTION (4)
　　NODE_ENTITY_REFERENCE (5)
　　NODE_ENTITY (6)
　　NODE_PROCESSING_INSTRUCTION (7)
　　NODE_COMMENT (8)
　　NODE_DOCUMENT (9)
　　NODE_DOCUMENT_TYPE (10)
　　NODE_DOCUMENT_FRAGMENT (11)
　　NODE_NOTATION (12)

　　好了，下面应该可以把“XML文件的处理思考”里面出现的一些问题一个个罗列出来了吧：

　　问题一：最大的问题，通过路径来找到比较深入的一个节点。

　　在这篇文章中通过递归调用函数来实现这个功能，完全没有必要，算是多此一举了。DOM模型中自身带的IXMLDOMNode::SelectSingleNode和IXMLDOMNode::SelectNodes（XPath）实现了比这个递归调用更完美的功能。简单说一下SelectSingleNode的使用方法(msdom是IXMLDOMDocument实例)
MSXML::IXMLDOMNodePtr parent, child;
　　parent = msdom->documentElement;
　　//child为code1类型Element
　　child = parent->selectSingleNode(“/code1”);
　　//child为code1的id类型Attribute
　　child = parent->selectSingleNode(“/code1@id”);
　　//child名为code1且Attribute id=’text’的那个Element类型Element
　　child = parent->selectSingleNode(“/code1@[id=’text’]”);

　　…其它高深点的用法待后研究，为XPath相关。

　　参考地址：http://sqq876.blogchina.com/2486119.html

　　问题二：C++ Builder6里面的TXMLDocument并不单纯是对MSXML的封装

　　为了在C++ Builder 5下面封装出一个类似的控件来，找了一些相关资料，发现MSXML、OpenXML等DOM模型的解析器都是同一套接口（希望我没有弄错），只是内部实现不同。TXMLDocument通过设置Ventor可以设置使用不同的解析器，但是在C++Builder里面使用方法却是完全相同的。默认好像是使用MSXML解析，比较优劣，MSXML需在客户端注册较新的msxml.dll类库；SAX的需要附带较大的dll；OpenXML因为是直接使用一个.pas文件编译，直接生成到了可执行文件。

　　问题三：在文章中遍历NodeList使用了IEnum接口

　　有点杀鸡用牛刀之嫌，现在的遍历可以这样：

　　for (int i = 0; i < nodelist->get_length(); i++)
　　{
　　child = nodelist->get_item((long)i);
　　name = child->get_nodeName();
　　}

　　想想原来做的时候应该也用过这个方法，不过当时不知道Node和Element之间的关系，胡乱执行下面这样的转换所以转换出的element == NUL，就以为此路不通。
　IXMLDOMElementPtr element = (IXMLDOMNodePtr)node;

　　问题三：到后来补的一段appendChild的操作，将createElement出来的Element直接转换成Node再appendChild。其实，这应该是最基础的一个C++知识，关键是要看清MSXML实现的Com里面也带有了C++的这种技巧。

　　现在再来看看C++ Builder 5里面怎么解决没有TXMLDocument控件，要使用MSXML类库有什么办法。

　　最开始想到的是使用import语句的方法，即

　　#import "C:Windowssystem32MSXML.DLL" named_guids

　　可是，import进来能生成tlb和tlh文件，进行编译却无法通过，总提示缺少了些什么，或有一些函数未能导出来（对了，可以在VC++里面import，然后复制生成的tlb和tlh到C++Builder项目）。于是，直接使用C++ Builder里面自带的TVariant类进行COM实例化，调用函数，属性（OleFunction，OlePropertyGet，OlePropertySet）等。例：

　　TVariant varMSDOM = CreateOleObject(“MSXML.DOMDocument”);

　　varMSDOM.OleFunction(L“load”, L”c:tmp.xml”);

　　TVariant varDoc = varMSDOM.OlePropertyGet(“documentElement”);

　　直觉是这种调用方法是会比import进来的调用速度要慢。差别好像是import直接通过虚函数表查找函数指针进行调用；OleFunction这些则通过IDispatch接口的invoke函数，间接调用，而且不能调用import进来name_guids的那些函数，如get_nodeName(BSTR *)。不管怎么样，通过TVariant还是基本能够满足要求，函数的调用。

　　然后，突然发现C++ Builder的Project上有个Import From Type Library的菜单，也尝试一下。tlb和tlh文件都生成了，加入工程编译一下，能够通过，不过tlh里面的定义，和调用方法却和VC里面的import进来有些不同：

　　1. VC里面的实例化直接用智能指针如

　　MSXML::IXMLDOMDocumentPtr msdom;

　　msdom.CreateInstance(__uuidof(MSXML:OMDocument));

　　C++Builder里面的实例化，则通过另外一个编译器封装的对象来实现

　　TCOMIXMLDOMDocument i_xmldocument = CoDOMDocument::Create();

　　IXMLDOMDocumentPtr msdom = (IXMLDOMDocumentPtr) i_xmldocument;

　　TCOMIXMLDOMDocument的定义在MSXML2_TLB.h里面可以找到

　　typedef TComInterface<IXMLDOMDocument>　TCOMIXMLDOMDocument;

　　2. C++Builder里面也有IXMLDOMDocumentPtr msdom，可是这个指针却不能直接用于判断是否等于NULL，编译器会提示错误，而应改为

　　if ((IXMLDOMDocument *)msdom == NULL)

　　上面在C++Builder下面使用MSXML的经验，延伸到其它类型的COM的自动化(automation)，应该是不会有什么问题的！不是吗？

msxml的介绍 转

msxml的介绍转