Linux环境下——实现xml文件解析

libxml简介

libxml库安装

libxml2中的数据类型和函数

xml文档解析实例

运行结果

libxml简介

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。

libxml库安装

直接使用shell命令安装

sudo apt-get install libxml2 sudo apt-get install libxml2-dev

使用源码安装

先在官网下载源码，然后执行源码安装三部曲

GitHub源码链接

1)$./configure

2)$make

过程可能稍微有点漫长。耐心等待一下。

3)$sudo make install

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及几千个函数，不过记住大师的话，90%的功能都是由30%的内容提供的。对于libxml2搞懂以下的数据类型和函数就足以了。

1.1 内部字符类型xmlChar

xmlChar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。事实上他的定义是：xmlstring.h

typedef unsigned char xmlChar

使用unsigned char作为内部字符格式是考虑到他能非常好适应UTF-8编码，而UTF-8编码正是libxml2的内部编码，其他格式的编码要转换为这个编码才能在libxml2中使用。还经常能看到使用xmlChar*作为字符串类型，非常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。

1.2 xmlChar相关函数

如同标准c中的char类型相同，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。

1.3 xmlChar*和其他类型之间的转换

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。

1.4 文件类型xmlDoc、指针xmlDocPtr

xmlDoc是个struct，保存了一个xml的相关信息，例如文件名、文件类型、子节点等等；xmlDocPtr等于xmlDoc*，他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件指针。

xmlParseFile()函数以默认方式读入一个UTF-8格式的文件，并返回文件指针。

xmlReadFile()函数读入一个带有某种编码的xml文件，并返回文件指针；细节见libxml2参考手册。

xmlFreeDoc()释放文件指针。特别注意，当你调用xmlFreeDoc时，该文件所有包含的节点内存都被释放，所以一般来说不必手动

xmlFreeNode或xmlFreeNodeList来释放动态分配的节点内存，除非你把该节点从文件中移除了。一般来说，一个文件中所有节点都应该动态分配，然后加入文件，最后调用xmlFreeDoc一次释放所有节点申请的动态内存，这也是为什么我们非常少看见xmlNodeFree的原因。

xmlSaveFile()将文件以默认方式存入一个文件。

xmlSaveFormatFileEnc()可将文件以某种编码/格式存入一个文件中。

1.5 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文件中的一个节点，实现为一个struct，内容非常丰富：tree.h

typedef 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 */
};

能看到，节点之间是以链表和树两种方式同时组织起来的，next和prev指针能组成链表，而parent和children能组织为树。同时更有以下重要元素：

节点中的文字内容：content；

节点所属文件：doc；

节点名字：name；

节点的namespace：ns；

节点属性列表：properties；

Xml文件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函数能将一个节点设置为某个文件的根节点，这是将文件和节点连接起来的重要手段，当有了根结点以后，所有子节点就能依次连接上根节点，从而组织成为一个xml树。

1.6 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 @@ */
};

能看出，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，及节点数组头指针。对节点集合中各个节点的访问方式非常简单，如下：

xmlNodeSetPtr nodeset = XPATH  //查询结果;
for (int i = 0; i nodeNr; i++)
{
nodeset->nodeTab;
}

注意:

libxml2是个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溢出的担忧。

xml文档解析实例

/**********************************************************************************      Copyright:  ysn**       Filename:  query_apn.c*    Description:  This file is used query APN by MCC/MNC in etc/apns-full-conf.xml,*                  which is download from google Android:*      https://android.googlesource.com/device/sample/+/master/etc/apns-full-conf.xml  *                 *        Version:  1.0.0(2020年07月25日)*         Author:  Tian Jincheng <473892093@qq.com>*      ChangeLog:  1, Release initial version on "2020年08月12日 20时04分38秒"*                 ********************************************************************************/#include <libxml2/libxml/xmlmemory.h>
#include <libxml2/libxml/parser.h>
#include <libxml/xmlversion.h>
#include <string.h>
#include "query_apn.h"#define   FILE_NAME  "/home/pi/program/etc/apns-full-conf.xml"
int parse_apn(const char *file_name, apn_info_t *apn_info);
int main (int argc, char **argv)
{apn_info_t apn_info;parse_apn(FILE_NAME, &apn_info);return 0;
} /* ----- End of main() ----- */int parse_apn(const char *file_name, apn_info_t *apn_info)
{xmlDocPtr doc;        /* xml document tree */xmlNodePtr cur;       /* xml node */xmlChar *mcc;         /* Operator MCC */xmlChar *mnc;         /* Operator MNC */xmlChar *apn;         /* pppd APN */xmlChar *uid;         /* APN user ID */xmlChar *pwd;         /* APN password */xmlChar *version;     /* APN list version */char    *qmcc = "460";char    *qmnc = "03";int      found = 0;if( !file_name || !apn_info ){printf("Invalid input arguments\n");}doc = xmlReadFile(file_name, "UTF_8", XML_PARSE_RECOVER);  //先读入需要解析的xml文件if (doc == NULL){fprintf(stderr, "Failed to parse xml file:%s\n", file_name);goto FAILED;}cur = xmlDocGetRootElement(doc);  //获取根节点if (cur == NULL){fprintf(stderr, "Root is empty.\n");goto FAILED;}if ( xmlStrcmp(cur->name, (const xmlChar *)"apns") ){fprintf(stderr, "The root is not apns.\n");goto FAILED;}if (xmlHasProp(cur, "version")){version = xmlGetProp(cur, "version");printf("version: %s\n", version);}cur = cur->xmlChildrenNode;while (cur != NULL){if ( !xmlStrcmp(cur->name, (const xmlChar *)"apn")){mcc = xmlGetProp(cur, "mcc");mnc = xmlGetProp(cur, "mnc");if( !xmlStrcmp(mcc, (const xmlChar *)qmcc) && !xmlStrcmp(mnc, (const xmlChar *)qmnc)){apn = xmlGetProp(cur, "apn");uid = xmlGetProp(cur, "user");pwd = xmlGetProp(cur, "password");printf("mcc:%s mnc:%s apn:%s uid:%s pwd:%s\n",mcc, mnc, apn, uid, pwd);if( !xmlStrstr(apn, "wap") ){found = 1;}}}cur = cur->next;}
FAILED:if (doc){xmlFreeDoc(doc);}return found;
}

运行结果