由于项目需要，这两天在用C++做XML文件解析的工作。在linux下有个很方便的操作xml文件的库——libxml2，它提供了一套创建和查询xml文件的C语言的接口。这篇博客主要介绍如何使用libxml2读取并解析xml文件。

下载并安装libxml2

下载地址：ftp://xmlsoft.org/libxml2/

下载最新的版本，我下载的是libxml2-2.9.1.tar.gz。下载后将文件解压到合适的位置，进入解压后的目录。

编译命令非常简单(注意：如果configure文件没有可执行权限，增加可执行权限)：

./configure
make
make install

此时libxml2相关的头文件应该在/usr/local/include/libxml2目录下，libxml2相关的库文件应该在/usr/local/lib目录下。

解析XML文档的两种方式

       在使用libxml2进行XML文档的解析时，非常推荐使用XPath语言实现，如果把XML文件看作数据库的话，那么XPath就可被视为sql，我们只要构造一定格式的语句就可查询到相关结果，而在在libxml2中使用Xpath是非常简单的。当然我们也可以直接通过libxml2相关接口从跟节点出发，根据整个xml的父子节点关系定位到相关节点进行查询。下面我将分别对这两种方式进行介绍。

       我们使用下面的xml测试用例： 

<?xml version="1.0" encoding="ISO-8859-1"?>

<bookstore>

<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>

<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>

</bookstore>

 

直接使用libxml2接口解析XML文档

#include <stdio.h>
#include <stdlib.h>
#include <libxml/parser.h>
#include <libxml/tree.h>


int main (int argc , char **argv)
{
xmlDocPtr pdoc = NULL;
xmlNodePtr proot = NULL, pcur = NULL;
/*****************打开xml文档********************/
xmlKeepBlanksDefault(0);//必须加上，防止程序把元素前后的空白文本符号当作一个node
pdoc = xmlReadFile ("test.xml", "UTF-8", XML_PARSE_RECOVER);//libxml只能解析UTF-8格式数据

if (pdoc == NULL)
{
printf ("error:can't open file!\n");
exit (1);
}

/*****************获取xml文档对象的根节对象********************/
proot = xmlDocGetRootElement (pdoc);

if (proot == NULL)
{
printf("error: file is empty!\n");
exit (1);
}

/*****************查找书店中所有书籍的名称********************/
pcur = proot->xmlChildrenNode;

while (pcur != NULL)
{
//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。
//对于char* ch="book", xmlChar* xch=BAD_CAST(ch)或者xmlChar* xch=(const xmlChar *)(ch)
//对于xmlChar* xch=BAD_CAST("book")，char* ch=(char *)(xch)
if (!xmlStrcmp(pcur->name, BAD_CAST("book")))
{
xmlNodePtr nptr=pcur->xmlChildrenNode;
while (pcur != NULL)
{
if (!xmlStrcmp(nptr->name, BAD_CAST("title")))
{
printf("title: %s\n",((char*)XML_GET_CONTENT(nptr->xmlChildrenNode)));
break;
}
}

}
pcur = pcur->next;
}

/*****************释放资源********************/
xmlFreeDoc (pdoc);
xmlCleanupParser ();
xmlMemoryDump ();
return 0;
}

  具体流程我已经在代码中详细注释，这里就不单独拿出来解释。


使用XPath语言解析XML文档

        关于XPath的基础知识，可以访问http://www.w3school.com.cn/xpath/index.asp 

#include <stdio.h>
#include <stdlib.h>
#include <libxml/parser.h>
#include <libxml/tree.h>
#include <libxml/xpath.h>
#include <libxml/xpathInternals.h>
#include <libxml/xmlmemory.h>
#include <libxml/xpointer.h>

xmlXPathObjectPtr getNodeset(xmlDocPtr pdoc,const xmlChar *xpath)
{
xmlXPathContextPtr context=NULL;//XPath上下文指针
xmlXPathObjectPtr result=NULL; //XPath结果指针
context = xmlXPathNewContext(pdoc);

if(pdoc==NULL){
printf("pdoc is NULL\n");
return NULL;
}

if(xpath){
if (context == NULL) {
printf("context is NULL\n");
return NULL;
}

result = xmlXPathEvalExpression(xpath, context);
xmlXPathFreeContext(context); //释放上下文指针
if (result == NULL) {
printf("xmlXPathEvalExpression return NULL\n");
return NULL;
}

if (xmlXPathNodeSetIsEmpty(result->nodesetval)) {
xmlXPathFreeObject(result);
printf("nodeset is empty\n");
return NULL;
}
}

return result;
}

int main (int argc , char **argv){
xmlDocPtr pdoc = NULL;
xmlNodePtr proot = NULL;

/*****************打开xml文档********************/
xmlKeepBlanksDefault(0);//必须加上，防止程序把元素前后的空白文本符号当作一个node
pdoc = xmlReadFile ("test.xml", "UTF-8", XML_PARSE_RECOVER);//libxml只能解析UTF-8格式数据

if (pdoc == NULL)
{
printf ("error:can't open file!\n");
exit (1);
}

/*****************获取xml文档对象的根节对象********************/
proot = xmlDocGetRootElement (pdoc);

if (proot == NULL)
{
printf("error: file is empty!\n");
exit (1);
}

/*****************查找书店中所有书籍的名称********************/
xmlChar *xpath = BAD_CAST("//book"); //xpath语句
xmlXPathObjectPtr result = getNodeset(pdoc, xpath); //查询XPath表达式，得到一个查询结果
if (result == NULL)
{
printf("result is NULL\n");
exit (1);
}

if(result)
{
xmlNodeSetPtr nodeset = result->nodesetval; //获取查询到的节点指针集合
xmlNodePtr cur;

//nodeset->nodeNr是集合元素总数
for (int i=0; i < nodeset->nodeNr; i++)
{
cur = nodeset->nodeTab[i];
cur = cur->xmlChildrenNode;

while (cur != NULL)
{
//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。
//对于char* ch="book", xmlChar* xch=BAD_CAST(ch)或者xmlChar* xch=(const xmlChar *)(ch)
//对于xmlChar* xch=BAD_CAST("book")，char* ch=(char *)(xch)
if (!xmlStrcmp(cur->name, BAD_CAST("title"))) {
printf("title: %s\n",((char*)XML_GET_CONTENT(cur->xmlChildrenNode)));
break;
}

cur = cur->next;
}
}

xmlXPathFreeObject(result);//释放结果指针
}

/*****************释放资源********************/
xmlFreeDoc (pdoc);
xmlCleanupParser ();
xmlMemoryDump ();

return 0;
}

    具体流程我已经在代码中详细注释，这里就不单独拿出来解释。

        更加详细的libxml2接口，可以访问http://xmlsoft.org/html/libxml-tree.html


编译程序并运行

编译上述程序 

g++ search1.cpp -I/usr/local/include/libxml2 -L/usr/local/lib -lxml2 -o search1

g++ search2.cpp -I/usr/local/include/libxml2 -L/usr/local/lib -lxml2 -o search2

运行程序及运行结果 

运行./search1 
显示如下结果： 
title: Harry Potter

title: Learning XML 
运行./search2 

显示如下结果： 
title: Harry Potter

title: Learning XML