linux下使用libxml2实现对xml文件的读取及查询

       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：

Harry Potter29.99Learning XML39.95

直接使用libxml2接口解析XML文档

#include 
#include 
#include 
#include 


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 
#include 
#include 
#include 
#include   
#include   
#include   
#include   

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