MDA之路

MDA,UML,XML,Eclipse及Java相关的Blog
posts - 53, comments - 494, trackbacks - 0, articles - 2
  BlogJava :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理
 

C++的XML编程经验――LIBXML2库使用指南

写这篇文章的原因有如下几点:1)C++标准库中没有操作XML的方法,用C++操作XML文件必须熟悉一种函数库,LIBXML2是其中一种很优秀的XML库,而且它同时支持多种编程语言;2)LIBXML2库的Tutorial写得不太好,尤其是编码转换的部分,不适用于中文编码的转换;3)网上的大多数关于Libxml2的介绍仅仅是翻译了自带的资料,没有详细介绍如何在windows平台下进行编程,更很少提到如何解决中文问题。

基于以上几点原因,决定写一个在Windows平台下,使用C/C++语言,应用LibXml2库来进行xml文档操作,同时使用ICONV库进行中文编码转换的文档。其中还涉及了MakefileXPATH等相关内容。本文中所有的源代码在http://www.blogjava.net/Files/wxb_nudt/xml_src.rar

1.       下载与安装LIBXML2ICONV

Libxml2是一个C语言的XML程序库,可以简单方便的提供对XML文档的各种操作,并且支持XPATH查询,以及部分的支持XSLT转换等功能。Libxml2的下载地址是http://xmlsoft.org/,完全版的库是开源的,并且带有例子程序和说明文档。最好将这个库先下载下来,因为这样可以查看其中的文档和例子。

windows版本的的下载地址是http://www.zlatkovic.com/libxml.en.html;这个版本只提供了头文件、库文件和dll,不包含源代码、例子程序和文档。在文本中,只需要下载libxml2库、iconv库和zlib库就行了(注意,libxml2库依赖iconvzlib库,本文中重点关注libxml2iconvzlib不介绍),我使用的版本是libxml2-2.6.30.win32.zipzlib-1.2.3.win32.zipiconv-1.9.2.win32.zip

在编程的时候,我们使用windows版本的libxml2zlibiconv,将其解压缩到指定文件夹,例如D:"libxml2-2.6.30.win32D:"zlib-1.2.3.win32以及D:"iconv-1.9.2.win32。事实上,我们知道在windows下面使用头文件、库文件和dll是不需要安装的,它又没有使用任何需要注册的组件或者数据库,只需要告诉编译器和链接器这些资源的位置就可以了。

注意:要在path变量中加上D:"iconv-1.9.2.win32"bin;D:"zlib-1.2.3.win32"bin;D:"libxml2-2.6.30.win32"bin这三个地址,否则在执行的时候就找不到。或者使用更简单的方法,把其中的三个dll到拷贝到system32目录中。

有两种方法来编译链接基于libxml2的程序,第一种是在VC环境中设置libinclude路径,并在link设置中添加libxml2.libiconv.lib;第二种是用编译器选项告诉编译器cl.exe头文件的位置,并用链接器选项告诉链接器link.exe库文件的位置,同时在windows环境变量path中添加libxml2bin文件夹的位置,以便于程序运行时可以找到dll(也可以将dll拷贝到system32目录下)。显然我选择了第二种,那么编译链接一个名为CreateXmlFile.cpp源文件的命令如下:

cl /c /I D:"iconv-1.9.2.win32"include /I D:"libxml2-2.6.30.win32"include CreateXmlFile.cpp

link /libpath:D:"iconv-1.9.2.win32"lib /libpath:D:"libxml2-2.6.30.win32"lib CreateXmlFile.obj iconv.lib libxml2.lib

显然这样很费时,那么再不用makefile就显得矫情了,于是,一个典型的使用nmake.exeVC自带的makefile工具)的文件如下:MAKEFILE

#

# 本目录下所有源代码的makefile,使用方法是nmake TARGET_NAME=源代码文件名字(不加后缀)

# 例如 nmake TARGET_NAME=CreateXmlFile

# Author: Wang Xuebin

#

# Flags - 编译debug版本

#

#指定要使用的库的路径,需要用户修改的变量一般放在makefile文件的最上面

LIBXML2_HOME = D:"libxml2-2.6.30.win32

ICONV_HOME = D:"iconv-1.9.2.win32

#指定编译器选项,/c表明cl命令只编译不链接;/MTd表明使用多线程debug;/Zi表明产生完整的调试信息;

#/Od表明关闭编译优化;/D _DEBUG表明定义一个名为_DEBUG的宏

CPP_FLAGS=/c /MTd /Zi /Od /D _DEBUG

#链接选项,/DEBUG表明创建Debug信息

EXE_LINK_FLAGS=/DEBUG

#指定链接的库

LIBS=iconv.lib libxml2.lib

#指定编译路径选项,链接路径选项

INCLUDE_FLAGS= /I $(LIBXML2_HOME)"include /I $(ICONV_HOME)"include

LIB_PATH_FLAGS = /libpath:$(ICONV_HOME)"lib /libpath:$(LIBXML2_HOME)"lib

#################################################

#

# Targets 目标

#

$(TARGET_NAME) : $(TARGET_NAME).exe

clean : $(TARGET_NAME).exe

$(TARGET_NAME).obj : $(TARGET_NAME).cpp

    cl $(CPP_FLAGS) $(INCLUDE_FLAGS) $(TARGET_NAME).cpp

$(TARGET_NAME).exe : $(TARGET_NAME).obj

 link $(EXE_LINK_FLAGS) $(LIB_PATH_FLAGS) $(TARGET_NAME).obj $(LIBS)

clean : $(TARGET_NAME).exe

 del $(TARGET_NAME).exe

 del $(TARGET_NAME).obj

 del $(TARGET_NAME).ilk

 del $(TARGET_NAME).pdb

本文不准备介绍makefile的写法,但后续例子程序的编译链接依葫芦画瓢都没有问题,执行编译链接的命令如下:

nmake TARGET_NAME=CreateXmlFile

执行清理的命令如下:

nmake TARGET_NAME=CreateXmlFile clean

2.       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以及几千个函数,但是记住大师的话,90%的功能都是由30%的内容提供的。对于libxml2,我认为搞懂以下的数据类型和函数就足够了。

2.1   内部字符类型xmlChar

xmlCharLibxml2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。事实上它的定义是:xmlstring.h

typedef unsigned char xmlChar;

使用unsigned char作为内部字符格式是考虑到它能很好适应UTF-8编码,而UTF-8编码正是libxml2的内部编码,其它格式的编码要转换为这个编码才能在libxml2中使用。

还经常可以看到使用xmlChar*作为字符串类型,很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。

2.2   xmlChar相关函数

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。

2.3   xmlChar*与其它类型之间的转换

另外要注意,因为总是要在xmlChar*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 charchar之间进行强制类型转换是没有问题的。

2.4   文档类型xmlDoc、指针xmlDocPtr

xmlDoc是一个struct,保存了一个xml的相关信息,例如文件名、文档类型、子节点等等;xmlDocPtr等于xmlDoc*,它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档指针。

xmlParseFile函数以默认方式读入一个UTF-8格式的文档,并返回文档指针。

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

xmlFreeDoc释放文档指针。特别注意,当你调用xmlFreeDoc时,该文档所有包含的节点内存都被释放,所以一般来说不需要手动调用xmlFreeNode或者xmlFreeNodeList来释放动态分配的节点内存,除非你把该节点从文档中移除了。一般来说,一个文档中所有节点都应该动态分配,然后加入文档,最后调用xmlFreeDoc一次释放所有节点申请的动态内存,这也是为什么我们很少看见xmlNodeFree的原因。

xmlSaveFile将文档以默认方式存入一个文件。

xmlSaveFormatFileEnc可将文档以某种编码/格式存入一个文件中。

2.5   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文档中的一个节点,实现为一个struct,内容很丰富: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 */

};

可以看到,节点之间是以链表和树两种方式同时组织起来的,nextprev指针可以组成链表,而parentchildren可以组织为树。同时还有以下重要元素:

l         节点中的文字内容:content

l         节点所属文档:doc

l         节点名字:name

l         节点的namespacens

l         节点属性列表:properties

Xml文档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函数可以将一个节点设置为某个文档的根节点,这是将文档与节点连接起来的重要手段,当有了根结点以后,所有子节点就可以依次连接上根节点,从而组织成为一个xml树。

2.6   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 @@ */

};

可以看出,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,以及节点数组头指针。对节点集合中各个节点的访问方式很简单,如下:

xmlNodeSetPtr nodeset = XPATH查询结果;

for (int i = 0; i < nodeset->nodeNr; i++)

{

 nodeset->nodeTab[i];

}

注意,libxml2是一个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者溢出的担忧。

3.       简单xml操作例子

了解以上基本知识之后,就可以进行一些简单的xml操作了。当然,还没有涉及到内码转换(使得xml中可以处理中文)、xpath等较复杂的操作。

3.1   创建xml文档

有了上面的基础,创建一个xml文档显得非常简单,其流程如下:

l         xmlNewDoc函数创建一个文档指针doc

l         xmlNewNode函数创建一个节点指针root_node

l         xmlDocSetRootElementroot_node设置为doc的根结点;

l         root_node添加一系列的子节点,并设置子节点的内容和属性;

l         xmlSaveFilexml文档存入文件;

l         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。

注意,有多种方式可以添加子节点:第一是用xmlNewTextChild直接添加一个文本子节点;第二是先创建新节点,然后用xmlAddChild将新节点加入上层节点。

源代码文件是CreateXmlFile.cpp,如下:

/********************************************************************

    created:   2007/11/09

    created:   9:11:2007   15:34

    filename: CreateXmlFile.cpp

    author:       Wang xuebin

    depend:       libxml2.lib

    build:     nmake TARGET_NAME=CreateXmlFile

    purpose:   创建一个xml文件

*********************************************************************/

#include <stdio.h>

#include <libxml/parser.h>

#include <libxml/tree.h>

#include <iostream.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("CreatedXml.xml",doc);

    if (nRel != -1)

    {

       cout<<"一个xml文档被创建,写入"<<nRel<<"个字节"<<endl;

    }

    //释放文档内节点动态申请的内存

    xmlFreeDoc(doc);

    return 1;

}

编译链接命令如下:

nmake TARGET_NAME=CreateXmlFile

然后执行可执行文件CreateXmlFile.exe,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。

3.2   解析xml文档

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:

l         xmlReadFile函数读出一个文档指针doc

l         xmlDocGetRootElement函数得到根节点curNode

l         curNode->xmlChildrenNode就是根节点的子节点集合;

l         轮询子节点集合,找到所需的节点,用xmlNodeGetContent取出其内容;

l         xmlHasProp查找含有某个属性的节点;

l         取出该节点的属性集合,用xmlGetProp取出其属性值;

l         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。

注意:节点列表的指针依然是xmlNodePtr,属性列表的指针也是xmlAttrPtr,并没有xmlNodeList或者xmlAttrList这样的类型。看作列表的时候使用它们的nextprev链表指针来进行轮询。只有在Xpath中有xmlNodeSet这种类型,其使用方法前面已经介绍了。

源代码如下:ParseXmlFile.cpp

/********************************************************************

    created:   2007/11/15

    created:   15:11:2007   11:47

    filename: ParseXmlFile.cpp

    author:       Wang xuebin

    depend:       libxml2.lib

    build:     nmake TARGET_NAME=ParseXmlFile

    purpose:   解析xml文件

*********************************************************************/

#include <libxml/parser.h>

#include <iostream.h>

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

{

    xmlDocPtr doc;           //定义解析文档指针

    xmlNodePtr curNode;      //定义结点指针(你需要它为了在各个结点间移动)

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

    char *szDocName;

    if (argc <= 1) 

    {

       printf("Usage: %s docname"n", 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将指一个注册的错误并停止。

    //一个常见错误是不适当的编码。XML标准文档除了用UTF-8UTF-16外还可用其它编码保存。

    //如果文档是这样,libxml将自动地为你转换到UTF-8。更多关于XML编码信息包含在XML标准中.

    if (NULL == doc)

    {  

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

       return -1;

    }

    curNode = xmlDocGetRootElement(doc); //确定文档根元素

    /*检查确认当前文档中包含内容*/

    if (NULL == curNode)

    {

       fprintf(stderr,"empty document"n");

       xmlFreeDoc(doc);

       return -1;

    }

    /*在这个例子中,我们需要确认文档是正确的类型。“root”是在这个示例中使用文档的根类型。*/

    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");

           cout<<"get attribute = "<<szAttr<<endl;

           xmlFree(szAttr);

       }

       attrPtr = attrPtr->next;

    }

    xmlFreeDoc(doc);

    return 0;

}

编译链接命令如下:

nmake TARGET_NAME=ParseXmlFile

执行命令如下,使用第一次创建的xml文件作为输入:

ParseXmlFile.exe CreatedXml.xml

观察源代码可发现,所有以查询方式得到的xmlChar*字符串都必须使用xmlFree函数手动释放。否则会造成内存泄漏。

3.3   修改xml文档

有了上面的基础,修改xml文档的内容就很简单了。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。源代码见ChangeXmlFile,编译链接方法如上。执行下面的命令:

ChangeXmlFile.exe CreatedXml.xml

可以得到一个修改后的xml文档ChangedXml.xml,如下:

<?xml version="1.0"?>

<root>

    <newNode2>content changed</newNode2>

    <newNode3 newAttr="YES">newNode3 content</newNode3>

    <node2 attribute="no">NODE CONTENT</node2>

    <son>

       <grandson>This is a grandson node</grandson>

       <newGrandSon>new content</newGrandSon>

    </son>

</root>

需要注意的是,并没有xmlDelNode或者xmlRemoveNode函数,我们删除节点使用的是以下一段代码:

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

       {

           xmlNodePtr tempNode;

           tempNode = curNode->next;

           xmlUnlinkNode(curNode);

           xmlFreeNode(curNode);

           curNode = tempNode;

           continue;

       }

即将当前节点从文档中断链(unlink),这样本文档就不会再包含这个子节点。这样做需要使用一个临时变量来存储断链节点的后续节点,并记得要手动删除断链节点的内存。

3.4   使用XPATH查找xml文档

简而言之,XPATH之于xml,好比SQL之于关系数据库。要在一个复杂的xml文档中查找所需的信息,XPATH简直是必不可少的工具。XPATH语法简单易学,并且有一个很好的官方教程,见http://www.zvon.org/xxl/XPathTutorial/Output_chi/introduction.html。这个站点的XML各种教程齐全,并且有包括中文在内的各国语言版本,真是让我喜欢到非常!

使用XPATH之前,必须首先熟悉几个数据类型和函数,它们是使用XPATH的前提。在libxml2中使用Xpath是非常简单的,其流程如下:

l         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;

l         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;

l         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;

l         使用xmlXPathFreeContext释放上下文指针;

l         使用xmlXPathFreeObject释放Xpath对象指针;

具体的使用方法可以看XpathForXmlFile.cpp的这一段代码,其功能是查找符合某个Xpath语句的对象指针:

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;   

}

一个完整的使用Xpath的例子在代码XpathForXmlFile.cpp中,它查找一个xml文件中符合"/root/node2[@attribute='yes']"语句的结果,并且将找到的节点的属性和内容打印出来。编译链接命令如下:

nmake TARGET_NAME=XpathForXmlFile

执行方式如下:

XpathForXmlFile.exe CreatedXml.xml

观察结果可以看出找到了一个节点,即root下面node2节点,它的attribute属性值正好等于yes。更多关于Xpath的内容可以参考XPATH官方手册。只有掌握了XPATH,才掌握了使用大型XML文件的方法,否则每寻找一个节点都要从根节点找起,会把人累死。

4.       ICONV解决XML中的中文问题

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的转换为UTF-8编码才能被处理。

要在xml中使用中文,就必须能够在UTF-8GB2312内码(较常用的一种简体中文编码)之间进行转换。Libxml2提供了默认的内码转换机制,并且在libxml2Tutorial中有一个例子,事实证明这个例子并不适合用来转换中文。

所以需要我们显式的使用ICONV来进行内码转换,libxml2本身也是使用ICONV进行转换的。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,常常被用于UNIX系统中。当然,在windows下面使用也没有任何问题。前面已经提到了ICONV的安装和使用方法,这里主要讲一下编程相关问题。

本节其实和xml以及libxml2没有太大关系,你可以把它简单看作是一个编码转换方面的专题。我们仅仅需要学会使用两个函数就可以了,即从UTF-8转换到GB2312的函数u2g,以及反向转换的函数g2u,源代码在wxb_codeConv.c中:

/********************************************************************

    created:   2007/11/15

    created:   15:11:2007   10:30

    filename: wxb_codeConv.c

    author:       Wang xuebin

    depend:       iconv.lib

    build:     不需要build,被包含到其它源代码中

    purpose:   提供从UTF-8GB2312的内码转换,以及反向的转换

*********************************************************************/

#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转为UNICODE  

//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;

}  

使用的时候将这个c文件include到其它源文件中。include一个c文件并不奇怪,在c语言的年代我们常常这么干,唯一的害处的编译链接出来的可执行程序体积变大了。当然这时因为我们这段代码很小的原因,再大一点我就要用dll了。

UTF-8GB2312的一个典型使用流程如下:

l         得到一个UTF-8的字符串szSrc

l         定义一个char*的字符指针szDes,并不需要给他动态审判内存;

l         szDes = u2g(szSrc),这样就可以得到转换后的GB2312编码的字符串;

l         使用完这个字符串后使用free(szDes)来释放内存。

本文并不准备讲述iconv中的函数细节,因为那几个函数以及数据类型都非常简单,我们还是重点看一下如何在libxml2中使用编码转换来处理带有中文的xml文件。下面是使用以上方法来创建一个带有中文的XML文件的例子程序CreateXmlFile_cn.cpp,源代码如下:

/********************************************************************

    created:   2007/11/17

    created:   9:11:2007   15:34

    filename: CreateXmlFile.cpp

    author:       Wang xuebin

    depend:       libxml2.lib iconv.lib

    build:     nmake TARGET_NAME=CreateXmlFile_cn

    purpose:   创建一个xml文件,其中包含中文

*********************************************************************/

#include <stdio.h>

#include <libxml/parser.h>

#include <libxml/tree.h>

#include <iostream.h>

#include "wxb_codeConv.c" //自己写的编码转换函数

int main(int argc, char **argv)

{

    //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);

    //一个中文字符串转换为UTF-8字符串,然后写入

    char* szOut = g2u("节点1的内容");

    //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");

    xmlNewChild(root_node, NULL, BAD_CAST "node1",BAD_CAST szOut);

    free(szOut);

    //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);

    szOut = g2u("属性值");

    xmlNewProp(node,BAD_CAST"attribute",BAD_CAST szOut);

    free(szOut);

    //创建一个中文节点

    szOut = g2u("中文节点");

    xmlNewChild(root_node, NULL, BAD_CAST szOut,BAD_CAST "content of chinese node");

    free(szOut);

    //存储xml文档

    int nRel = xmlSaveFormatFileEnc("CreatedXml_cn.xml",doc,"GB2312",1);

    if (nRel != -1)

    {

       cout<<"一个xml文档被创建,写入"<<nRel<<"个字节"<<endl;

    }

    xmlFreeDoc(doc);

    return 1;

}

编译链接命令如下:

nmake TARGET_NAME=CreateXmlFile_cn

完成后执行CreateXmlFile_cn.exe可以生成一个xml文件CreatedXml_cn.xml,其内容如下:

<?xml version="1.0" encoding="GB2312"?>

<root>

    <newNode1>newNode1 content</newNode1>

    <newNode2>newNode2 content</newNode2>

    <newNode3>newNode3 content</newNode3>

    <node1>节点1的内容</node1>

    <node2 attribute="属性值">NODE CONTENT</node2>

    <中文节点>content of chinese node</中文节点>

</root>

观察可知,节点的名称、内容、属性都可以使用中文了。在解析、修改和查找XML文档时都可以使用上面的方法,只要记住,进入xml文档之前将中文编码转换为UTF-8编码;从XML中取出数据时,不管三七二十一都可以转换为GB2312再用,否则你很有可能见到传说中的乱码!

5.       XML来做点什么

有了以上的基础,相信已经可以顺利的在c/c++程序中使用XML文档了。那么,我们到底要用XML来做什么呢?我随便说一说自己的想法:

第一,可以用来作为配置文件。例如很多组件就是用XML来做配置文件;当然,我们知道用INI做配置文件更简单,只要熟悉两个函数就可以了;不过,复杂一点的配置文件我还是建议采用XML

第二,可以用来作为在程序之间传送数据的格式,这样的话最好给你的xml先定义一个XML Schema,这样的数据首先可以做一个良构校验,还可以来一个Schema校验,如此的话出错率会比没有格式的数据小得多。目前XML已经广泛作为网络之间的数据格式了;

第三,可以用来作为你自定义的数据存储格式,例如对象持久化之类的功能;

最后,可以用来显示你的技术很高深,本来你要存储一个1,结果你这样存储了:

<?xml version="1.0" encoding="GB2312"?>

<root>

    <My_Program_Code content="1"></My_Program_Code>

</root>

然后再用libxml2取出来,最好还来几次编码转换,是不是让人觉得你很牛呢,哈哈!说笑了,千万不要这么做。

6.       小结

本文是实用编程技术的第四篇,有兴趣的可以看看我的前三篇:

DLL编写教程

纸黄金均价管理小软件黄金秘书

Socket编程指南及示例程序

另外,关于XML也可以看看我写的这几篇博客:

XML的本质讨论

XSL:转换从哪里开始?

数据库和XML数据读取性能比较

毕业之后,对一些实用的编程技术更加感兴趣,因此感觉能力小有提高,比天天钻研理论进步了一小点了。最后按惯例,贴一副女儿近照。


评论

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2007-11-18 10:47 by maysnow
文章好,大侠女儿照片更好!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2007-11-20 23:08 by lyx1228
能不能把黄金秘书里家入删除功能,我们这种非专业不会修改数据库啊

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2007-11-21 23:04 by wxb_nudt
@lyx1228
好的,我正准备加呢。最近没有时间,下周末完成吧。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2007-11-25 15:07 by 疯的边缘
能写个完整的吗?比如完整的C++教程一类的.

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2007-11-28 00:05 by wxb_nudt
@疯的边缘
完整的C++教程?满世界都是啊,没有必要重新发明一次轮子吧,谢谢你的关注!我认为要使用LIBXML2,这篇文章已经够用了.

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2007-12-01 00:17 by xml-learner
非常实用的文章 谢谢!
另:每xmlNodeGetContent一个节点都必须用xmlFree来释放吗
xmlFreeDoc能够自动释放这些内存吗

xmlNodeListGetString(名字可能不对,忘了)和上面的有什么区别
xmlParseFile和xmlReadFile呢

再次感谢!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-01-17 15:24 by ok
很好,谢谢

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2008-01-25 13:00 by swl
不错,看了立马就能运行,试了一下libxml2是不是对javascript也不解析,处理网页时碰到这样节点需要跳过

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-01-29 11:08 by jean.li
非常感谢

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-07-18 09:21 by shunruo
您将XPATH比作SQL。SQL可以对多表联合查询,XPATH可否对多个XML文件进行联合查询?如果不行的话,有没有什么库可以?或有没有什么办法?

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-08-15 10:11 by kuku
很崇拜大虾,看过您的几篇原创文章,写的都很好
想拜大虾为师父,呵呵

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-09-22 10:54 by 灌了又灌
libxml2的tutorial实在太差劲了,看了半天还不如这篇文章说的清楚。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-09-24 16:36 by mangshe0
在UTF-8与GB2312转换 过程中 如果需转换字节小于等于2 则会失败。
其他的地方写得都是在是太好了!赞!!!

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2008-09-24 17:49 by wxb_nudt
@mangshe0
sorry,这个错误我的同事早已经给我指出过,在我的源码里面已经更正了。但是博客上忘记了,谢谢你提醒。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-10-28 20:52 by coolsword@yeah.net
为什么我在VC中编译总是出现这两个错误,只要包含paser.h就会有这两个错误
d:\program files\microsoft visual studio\vc98\include\bhtypes.h(19) : error C2146: syntax error : missing ';' before identifier 'UNALIGNED'
d:\program files\microsoft visual studio\vc98\include\bhtypes.h(19) : fatal error C1004: unexpected end of file found

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2008-11-25 14:10 by gaoguzhan@yahoo.com.cn
if (!xmlStrcmp(curNode->name, BAD_CAST "newNode1"))

{

xmlNodePtr tempNode;

tempNode = curNode->next;

xmlUnlinkNode(curNode);

xmlFreeNode(curNode);

curNode = tempNode;

continue;

}

最近用该代码试图删去一个节点,为什么删除后总是会多出一个换行呢?
另外:不用临时变量,也可以删除一个节点,而不影响XML 文档。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2009-07-25 17:55 by xid
您好,请问我如何使用c语言实现schema对xml文件的验证。谢谢

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2009-10-07 14:55 by faicker
最后一个写入文件指定的编码是错误的,实际上文件还是UTF-8编码的。不是GB2312。可以用UltraEdit打开看一下汉字占用的字节数,是3个字节。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2009-10-07 15:00 by faicker
上面说错了。⊙﹏⊙b汗

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2010-01-20 15:11 by agui
请问libxml2是基于DOM还是SAX模型来解析呢?从上面的例子来看好像是DOM模型

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2010-01-21 15:50 by xu xinli
很好的文章.
非常感谢您的分享!

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2010-02-05 16:36 by song
为什么我在解析xml文件时,在这行出错
doc = xmlReadFile(szDocName, "GB2312", XML_PARSE_RECOVER); //解析文件
说是内存错误,exe文件直接死掉,谢谢

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2010-04-03 11:06 by zl
谢谢楼主,看了之后非常的有收获。也希望网络上多一些楼主这样的好人。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2010-05-10 11:21 by baiyuhei
您好!我在windows下用的 code::blocks来使用libxml2函数库,设置好了lib和include路径,并在link设置中添加libxml2.lib和iconv.lib,测试您写的CreateXmlFile.cpp程序时能够正常运行,但是测试ParseXmlFile.cpp
时,编译的时候出现错误:undefined reference to `__imp__xmlFree'
请问这是怎么个问题呢?谢谢!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2010-12-24 22:23 by dana9919@163.com
想问一下,用libxml2解析出来的数据是不是全是string格式的,如果我在xml中的数据是float的,用libxml2解析出来后是不是还要从string转到float?

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-01-07 15:50 by hit
请问有没有支持xquery的xml解析器?前提是我想用C/C++最近找这些资料,还没有发现这种解析器。您知道哪个可以么?

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-02-17 09:30 by Joseph Pan
写的很好,受用了!

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2011-03-13 13:40 by hehe
呵呵 照单全收!连你女儿的照片也copy走了!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-06-01 22:06 by okok
多谢,很有帮助!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-08-19 17:35 by 309381787
谢谢楼主分享,受益匪浅。

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-09-28 10:30 by feimataxue
很不错啊,感谢中.但是在使用过程中遇到问题:
我用libxml2解析xml文档,但是在抽取网页内容中,有时候会出现乱码或者打印不出来。
具体步骤:
按你说的,在抽取之前,先把网页转成utf-8,然后调用libxml2的接口xmlReadFile(szDocName, NULL, XML_PARSE_RECOVER);来解析文档;在得到我想要的节点后:
(1)如果我使用u2g((char*)szValue)来转码,结果打印不出来我想要的节点中的信息;
(2)如果我不使用u2g函数来转码,而是直接cout << (char*)szValue << endl;却输出乱码,真的很纠结啊!
请大侠看看是什么问题,我的qq:175994124,先谢过了!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-09-28 10:41 by feimataxue
补充上面的贴子:
szValue由下面得到:
szValue = xmlNodeGetContent(curNode);

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-11-07 19:16 by tainying
看了之后,真的是豁然开朗,太牛了!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2011-11-10 12:43 by 陈年号
看了一遍又一遍,受益匪浅···总能得到新的理解···

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2012-01-09 11:03 by Awey
你好,最近在做32位移植64位的工作,请问libxml支持64位吗?

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2012-03-06 14:06 by gsh
在用xmllib2 中xpath的节点路径如果有汉字时就有问题,比如"/root/节点1[position=1]"就查不到应该返回的值,变成没值了。谁能帮忙解决这个问题呀!

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2012-03-06 14:07 by gsh
/root/节点1[position()=1]

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2012-03-09 12:08 by gsh
这个没人处理呀,郁闷中!

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2012-03-12 09:00 by gsh
博主消失中

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2012-06-25 21:25 by cesholl
@gsh
先转为UTF8字串再查找

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2012-08-06 11:30 by sky
:-) 经典的东西永远不老,这篇文章已经存在这么多年了,还是这么多人关注,而且楼主也能随时给大家答疑,膜拜一下神牛....

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2012-08-25 18:05 by amitapba
写的很不错 感谢原创

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2012-09-01 20:31 by 林杰
你好,我使用xmlReadFile读取文件,根节点总是不正确,设置了noblank选项,以及把XML文件转成UTF-8编码,返回的根节点总是出问题,不知你有没有遇到过类似的问题?我用的是VS2010,LIBXML2.77版本。

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2013-02-21 10:31 by 天天笑
虽然我是学JAVA的,但是我仍然能感觉到这个篇文章写得非常透彻!

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2013-05-15 21:42 by 李勇
楼主讲解的很详细啊,很容易就懂了

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2013-12-07 09:34 by eternal_tune
受教
int nOutLen = 2 * strlen(inbuf) - 1;
楼主这里是不是应该+1

# re: C++的XML编程经验――LIBXML2库使用指南[未登录]  回复  更多评论   

2014-03-17 11:06 by dingding
请问楼主能说一下XMLLIB里的错误处理有关的东西么?新人不太懂

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2014-08-18 16:53 by xiejanee
想使用libxml2中的xmlFreeDoc函数进行内存释放,但是程序执行完该函数后内存并没有释放,这个代码到底有何用?求大侠指教该如何释放doc指向的内存!附代码:
xmlDocPtr doc = xmlNewDoc(BAD_CAST"1.0");
xmlNodePtr root_node = xmlNewNode(NULL, BAD_CAST"database");
xmlDocSetRootElement(doc, root_node);
xmlFreeDoc(doc);

# re: C++的XML编程经验――LIBXML2库使用指南  回复  更多评论   

2014-12-22 19:53 by 张成磊
楼主,你好,我有一点不明白,希望楼主能够解惑。在3.1节中,创建了一个CreateXmlFile.cpp之后,下面这句代码是放在哪里运行呀?
nmake TARGET_NAME=ParseXmlFile(编译链接命令)

只有注册用户登录后才能发表评论。


网站导航: