libxml 常见操作

http://blog.csdn.net/guoping16/article/details/6591191

1.   创建XML文档

（1）创建一个XML文档非常简单，其流程如下：

①    用xmlNewDoc函数创建一个文档指针doc。

②    用xmlNewNode函数创建一个节点指针root_node。

③    用xmlDocSetRootElement将root_node设置为doc的根结点。

④    给root_node添加一系列的子节点，并设置子节点的内容和属性。

⑤    用xmlSaveFile将XML文档存入文件。

⑥    用xmlFreeDoc关闭文档指针，并清除本文档中所有节点动态申请的内存。

有多种方式可以添加子节点，如可以用xmlNewTextChild直接添加一个文本子节点。也可以先创建新节点，然后用xmlAddChild将新节点加入到上层节点中。

 

(2)创建xml文件举例

CreateXmlFile.c源代码如下：

#include <stdio.h>

#include <libxml/parser.h>

#include <libxml/tree.h>

int main()

{

  //定义文档和节点指针

  xmlDocPtr doc = xmlNewDoc(BAD_CAST "1.0");

     xmlNodePtr root_node = xmlNewNode(NULL,BAD_CAST "root");

     //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_CAST "node2");

     xmlNodePtr content = xmlNewText(BAD_CAST "NODE CONTENT");

     xmlAddChild(root_node,node);

     xmlAddChild(node,content);

     xmlNewProp(node,BAD_CAST "attribute",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("CreateXml.xml",doc);

     if (nRel != -1)

     {

        printf("一个xml文档被创建，写入%d个字节\n", nRel);

     }

     //释放文档内节点动态申请的内存

     xmlFreeDoc(doc);

     return 1;

}

编译 gcc CreateXmlFile.c -o CreateXmlFile -I/usr/local/include/libxml2       -lxml2。

执行./CreateXmlFile，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。

2.   解析XML文档

（1）XML解析流程

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：

①    用xmlReadFile函数读入一个文件，并返回一个文档指针doc。

②    用xmlDocGetRootElement函数得到根节点curNode。

③    此时curNode->xmlChildrenNode就是根节点的首个儿子节点，该儿子节点的兄弟节点可用next指针进行轮询。

④    轮询所有子节点，找到所需的节点，用xmlNodeGetContent取出其内容。

⑤    用xmlHasProp查找含有某个属性的节点，属性列表指针xmlAttrPtr将指向该节点的属性列表。

⑥    取出该节点的属性，用xmlGetProp取出其属性值。

⑦    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。

 

（2）XML解析举例

ParseXmlFile.c源代码如下：

#include <stdio.h>

#include <libxml/parser.h>

#include <libxml/tree.h>

int main(int argc, char* argv[])

{

    xmlDocPtr doc;           //定义解析文件指针

    xmlNodePtr curNode;      //定义结点指针

    xmlChar *szKey;          //临时字符串变量

    char *szDocName;

    if (argc <= 1)

    {

        printf("Usage: %s docname", argv[0]);

        return(0);

    }

    szDocName = argv[1];

    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将报错并停止解析。

    //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

    if (NULL == doc)

    { 

        fprintf(stderr,"Document not parsed successfully.");    

        return -1;

    }

    //获取根节点

    curNode = xmlDocGetRootElement(doc);

    if (NULL == curNode)

    {

        fprintf(stderr,"empty document");

        xmlFreeDoc(doc);

        return -1;

    }

    //确认根元素名字是否符合

    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: %s\n", 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");

            printf("get attribute=%s\n", szAttr) ;

            xmlFree(szAttr);

        }

        attrPtr = attrPtr->next;

    }

    xmlFreeDoc(doc);

    return 0;

}

编译 gcc ParseXmlFile.c -o ParseXmlFile -I/usr/local/include/libxml2  -lxml2。

执行 ./ParseXmlFile CreateXml.xml，执行结果如下：

newNode1: newNode1 content

get attribute=yes

3.   修改XML文档

有了上面的基础，修改XML文档的内容就简单了。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。

需要注意的是，并没有xmlDelNode或者xmlRemoveNode函数，删除节点需使用以下一段代码：

       if (!xmlStrcmp(curNode->name, BAD_CAST "newNode1"))

       {

           xmlNodePtr tempNode;

           tempNode = curNode->next;

           xmlUnlinkNode(curNode);

           xmlFreeNode(curNode);

           curNode = tempNode;

           continue;

       }

此段代码完成将当前节点从文档中断链（unlink），这样此XML文档就不会再包含这个节点，该节点断链后需使用xmlFreeNode来释放该节点申请的动态内存空间。

4.   使用XPath查找XML文档

在libxml2中使用XPath非常简单，其流程如下：

①    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。

②    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。

③    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。

④    使用xmlXPathFreeContext释放上下文指针。

⑤    使用xmlXPathFreeObject释放XPath对象指针。

 

XPath操作代码示例如下：

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 NULL"n");

       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 NULL"n");

       return NULL;

    }

    if (xmlXPathNodeSetIsEmpty(result->nodesetval))   //检查查询结果是否为空

    {

       xmlXPathFreeObject(result);

       printf("nodeset is empty"n");

       return NULL;

    }

    return result;   

}

5.   用iconv解决XML中字符集问题

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很适合用来转换中文。

有些场合需要使用iconv来进行编码转换，libxml2本身也是使用iconv进行编码转换的。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。

本节其实和libxml没有太大关系，可以把它简单看作是一个编码转换方面的专题。下文提供了一个通用转码函数，并在此基础上实现了两个转码封装函数，即从UTF-8转换到GB2312的函数u2g，以及反向转换的函数g2u。其代码如下：

#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NULL

char* 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NULL

char* 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;

}

下面以UTF-8到GB2312转码流程说明上文中转码函数的使用，使用流程如下：

①    得到一个UTF-8的字符串szSrc。

②    定义一个char *的字符指针szDes，并不需要给它动态申请内存。

③    调用szDes = u2g(szSrc)，这样szDes就指向转换后GB2312编码的字符串。

④    使用完这个字符串后使用free(szDes)来释放内存。

如果转码文件可以选择系统调用来进行文件转码。下文中f表示from，t表示to，其转码方法如下：

system("iconv –f 源格式 –t 目标格式 源文件 >目标文件")

system("iconv –f  GB18030 –t UTF-8  test_gb.txt > test_utf.txt")

 

摘录自《深入浅出Linux工具与编程》