用expat解析xml文件c++

expat就是用来解析XML格式的文件的库

XML格式如下

<name>
	<red>apple</red>
	<blue></blue>
	<green>tree</green>
	<pink>hello kitty</pink>
</name>

第一个<name>和最后一个</name>被称为一对键值对，相当于是一个标记。没有"\"的表示是起始标记，含有"\"的是结束标记。中间的所有数据就是<name>这一对键值对包含的内容。

同理<red>和</red>也是一对键值对，也是一个标记。<red>表示起始标记，</red>表示结束标记。"apple"则为<red>这一对键值对的内容。

所以，键值对中可以包含别的键值对。

在了解了XML格式的数据后，我们就可以来解析它了。

 

直接先给大家看一下主函数

int main()
{
	XML_Parser parser = XML_ParserCreate(NULL);         // 第一步
	XML_SetUserData(parser, elempt);                    // 第二步
	XML_SetElementHandler(parser,StartElementHandler,EndElementHandler);    // 第三步
	XML_SetCharacterDataHandler(parser,CharacterDataHandler);               // 第四步

	XML_Parse(parser, buf.c_str(), buf.length(), 1);    //第五步

	XML_ParserFree(parser);                            //第六步
	return 0;
}

主函数非常简单，只要前5步就可以解析xml格式的数据，从中得到我们想要的数据，最后释放句柄。

1.第一步。通过  XML_ParserCreate(NULL) ，函数建立一个XML_Parser格式的对象"parser",参数一般为NULL。后面这段话是自己编的(这个对象的概念本人不是非常理解。只能讲讲自己的理解。相当于建立"parser"这一个变量，而这个变量不是我们普通的变量，是XML_Parser类型的。就比如说，int和float类型，虽然占用的字节数一样，但是解析方式完全不一样，他们有各自的解析方式。而XML_Parser类型的也有自己的解析方式，我们必须以XML_Parser能识别的方式来存储数据。XML_ParserCreate函数就是能建立一个XML_Parser类型的数据。这个XML_Parser类型的数据格式是整个解析XML格式的基础。)

2.第二步。XML_SetUserData(parser, char *elempt)，parser就是第一步中建立的对象。elempt是一个char *类型的字符串。这个字符串会在expat内部传递给其他函数。这个参数的作用会在下面的实际例子中展示。

3.第三步。XML_SetElementHandler(parser,StartElementHandler,EndElementHandler)，parser就是第一步中建立的对象。StartElementHandler是一个回调函数。回调函数的具体概念不讲，可以自行百度。这个函数的作用就是在解析一个XML格式的文件时，每当遇到一个起始标记<name>、<red>、<green>时都会执行一次这个函数，有几个起始标签就会执行几次这个函数。同理。EndElementHandler也是一个回调函数，每当遇到结束标签</name>、</red>、</green>时都会执行一次这个函数，有几个结束标签就会执行几次这个函数。

4.第四步。XML_SetCharacterDataHandler(parser,CharacterDataHandler)，parser就是第一步中建立的对象。CharacterDataHandler也是一个回调函数。每当遇到一对键值对中存在内容时，就会执行一次函数。结合第三步，我给大家讲一下整个过程。以本篇最开始的XML格式的数据为例。

4.1解析开始，遇到<name>起始标签，执行一次StartElementHandler。

4.2遇到<red>,因为这个<red>是起始标签，执行一次StartElementHandler。因为<name>和<red>中间没有内容，所以不会执行CharacterDataHandler。如果有的话，会先执行CharacterDataHandler，再执行StartElementHandler。

4.3然后遇到"apple",执行一次CharacterDataHandler

4.4遇到</red>,执行EndElementHandler

4.5后面同理，最后</pink>，执行EndElementHandler，</name>,执行EndElementHandler。解析完成

5.XML_Parse(parser, buf.c_str(), buf.length(), done)，parser就是第一步中建立的对象，buf就是将XML格式的数据转换成string格式的数据。buf.c_str()得到char *类型的字符串(这个应该是c++的基础，不懂的话，百度一下，应该能明白)。buf.length(),表示buf的长度。最后一个done表示XML是否解析完成，未完成表示0，完成表示1。

6.上面这5步就是解析XML的步骤了。下面来将上面提到的三个回调函数完成一下

6.1 StartElementHandler。userData就是第二步中的char *elempt传过来的数据。name就是标签名，如果遇到<green>那么就会执行StartElementHandler，name就是green。atts就是标签的属性，比如"<red sex='female' time='2018'>apple<\/red>"，那么atts[0] = "sex", atts[1] = "female", atts[2] = "time", atts[3] = "2018"

void StartElementHandler(void *userData, const XML_Char *name, const XML_Char **atts)
{
	if(!strcmp(name,"name"))
	{
		cout << name << "\tstart_of_name" << endl;
	}
	if(!strcmp(name,"red"))
	{
		cout << name << "\tstart_of_red" << endl;;
		cout << atts[0] << "\t" << atts[1]<< "\t" << atts[2]<< "\t" << atts[3]<< endl;
	}
	if(!strcmp(name,"blue"))
	{
		cout << name << "\tstart_of_blue" << endl;
	}
	if(!strcmp(name,"green"))
	{
		cout << name << "\tstart_of_green" << endl;
	}
	if(!strcmp(name,"pink"))
	{
		cout << name << "\tstart_of_pink" << endl;
	}
}

6.2EndElementHandler。userData就是第二步中的的char *elempt。name就是标签的名字。

void EndElementHandler(void *userData, const XML_Char *name)
{
	if(!strcmp(name,"name"))
	{
		cout << name << "\tend_of_name" << endl;
	}
	if(!strcmp(name,"red"))
	{
		cout << name << "\tend_of_red" << endl;
	}
	if(!strcmp(name,"blue"))
	{
		cout << name << "\tend_of_blue" << endl;
	}
	if(!strcmp(name,"green"))
	{
		cout << name << "\tend_of_green" << endl;
	}
	if(!strcmp(name,"pink"))
	{
		cout << name << "\tend_of_pink" << endl;
	}
}

6.3 CharacterDataHandler。userData就是第二步中的char *elempt，这里我们就用到了。s代表了一个起始标签后的所有内容，比如读到<red>会执行StartElementHandler，然后执行CharacterDataHandler，那么s = "apple</red><blue></blue><green>tree</green><pink>hello kitty</pink></name>"。len就是距离下个标签的长度。上面的例子中，len就是apple的长度。通过s和len就可以把red中的内容读出来了。然后和userDate比较，得到我们需要的东西。

void CharacterDataHandler(void *userData, const XML_Char *s, int len)
{
	
	string str2 = s;
	string str1;
	cout << str2 << endl;
	for(int i=0;i<len;i++)
	{
		str1 += str2.at(i);
	}
	cout << str1 << endl;
	if(!strcmp((char *)userData,str1.c_str()))
	{
		cout << "this is apple" << endl;
	}
}

7.上面6点完成了expat函数的设置。接下来就可以具体的解析XML了

附上完整的程序

#include <stdio.h>
#include "expat.h"
#include <string>
#include <string.h>
#include <iostream>
#include <vector>
using namespace std;
char * elempt = "apple";                    //userData
string buf =	"<name>"                  //XML格式的数据
			"<red sex='female' time='2018'>apple<\/red>"
			"<blue><\/blue>"
			"<green>tree<\/green>"
			"<pink>hello kitty<\/pink>"
	        "<\/name>";
//如果是windows环境，<\/name>是对的
//如果是unix环境，则为</name>

typedef struct{
	string red;
	string blue;
	string green;
	string pink;
}fruit;

fruit table_temp;

vector <fruit> mytable;

int flag = 0;

void StartElementHandler(void *userData, const XML_Char *name, const XML_Char **atts)        //遇到起始标记的回调函数
{
	if(!strcmp(name,"name"))
	{
		//cout << name << "\tstart_of_name" << endl;
	}
	if(!strcmp(name,"red"))            //当遇到<red>时，将flag置1
	{
		//cout << name << "\tstart_of_red" << endl;;
		//cout << atts[0] << "\t" << atts[1]<< "\t" << atts[2]<< "\t" << atts[3]<< endl;
		flag = 1;
	}
	if(!strcmp(name,"blue"))            //当遇到<red>时，将flag置2
	{
		//cout << name << "\tstart_of_blue" << endl;
		flag = 2;
	}
	if(!strcmp(name,"green"))            //当遇到<red>时，将flag置3
	{
		//cout << name << "\tstart_of_green" << endl;
		flag = 3;
	}
	if(!strcmp(name,"pink"))            //当遇到<red>时，将flag置4
	{
		//cout << name << "\tstart_of_pink" << endl;
		flag = 4;
	}
}

void EndElementHandler(void *userData, const XML_Char *name)
{
	if(!strcmp(name,"pink"))                        //当遇到pink结束标签时，表示4个数据都得到了，将结构体放入vecotr中
	{
		//cout << name << "\tend_of_name" << endl;
		mytable.push_back(table_temp);
	}
	if(!strcmp(name,"red"))
	{
		//cout << name << "\tend_of_red" << endl;
	}
	if(!strcmp(name,"blue"))
	{
		//cout << name << "\tend_of_blue" << endl;
	}
	if(!strcmp(name,"green"))
	{
		//cout << name << "\tend_of_green" << endl;
	}
	if(!strcmp(name,"pink"))
	{
		//cout << name << "\tend_of_pink" << endl;
	}
}

void CharacterDataHandler(void *userData, const XML_Char *s, int len)
{
	string str2 = s;
	string str1;
	//cout << str2 << endl;
	for(int i=0;i<len;i++)            //str1就是从s中读取到了len长度的值
	{
		str1 += str2.at(i);
	}
	//cout << str1 << endl;
	if(!strcmp((char *)userData,str1.c_str()))
	{
		//cout << "this is apple" << endl;
	}
	if(flag == 1)                    //根据flag的值，将str1放入结构体中相应的位置
	{
		table_temp.red = str1;
	}
	if(flag == 2)
	{
		table_temp.blue = str1;
	}
	if(flag == 3)
	{
		table_temp.green = str1;
	}
	if(flag == 4)
	{
		table_temp.pink = str1;
	}
}

int main()
{
	XML_Parser parser = XML_ParserCreate(NULL);     //设置XML解析的对象
	XML_SetUserData(parser, elempt);                //设置传递给回调函数的参数
	XML_SetElementHandler(parser,StartElementHandler,EndElementHandler);    //设置遇到起始标记的回调函数和遇到结束标记的回调函数
	XML_SetCharacterDataHandler(parser,CharacterDataHandler);    //设置遇到正文内容时的回调函数

	XML_Parse(parser, buf.c_str(), buf.length(), 1);    //正式解析XML
	

	cout << mytable[0].red << endl;
	cout << mytable[0].blue << endl;
	cout << mytable[0].green << endl;
	cout << mytable[0].pink << endl;

	XML_ParserFree(parser);
	return 0;
}

8.已经把所有打印都注释了。大家可以打开注释看看结果。其中还有许多细节方面的东西。将字符串换成下面两种情况试一下。

string buf =	"<name>"
	    	    "<red sex='female' time='2018'>apple<\/red>"
		        "<blue><\/blue>"
		        "<green>tree<\/green>"
		        "<pink>hello kitty<\/pink>"

		        "<red sex='female' time='2018'>apple<\/red>"
		        "<blue><\/blue>"
		        "<green>tree<\/green>"
		        "<pink>hello kitty<\/pink>"
	        "<\/name>";

string buf =	"<name>"
			"<red sex='female' time='2018'>apple<\/red>"
			"<blue><\/blue>"
			"<green>tree<\/green>"
			"<pink>hello kitty<\/pink>"
		"<\/name>"
			"<red sex='female' time='2018'>apple<\/red>"
			"<blue><\/blue>"
			"<green>tree<\/green>"
		        "<pink>hello kitty<\/pink>";

当遇到的结束标签为第一个起始标签时，name整个解析过程也就结束了。不管后面有没有内容，都会结束。换句话说，只有解析到和第一个起始标签相同的结束标签(或者为空)时，解析才会停止，不管中间有多少内容，都不会结束。

键值对不需要一对一对的出现，可以只出现起始标记，也可以只出现结束标记。但是这在解析时是可以的。但是在XML中是非法的。所以必须有起始标签和结束标签。

---------------------------------------------------------------更新-------------------------------------------------------------------------------------------------------------

最近看了一下官方的文档，发现程序还待改进。官网中提供了两个解析的例子

主要是在XML_Parse（）时有区别，提供了容错机制。

直接拷贝一下官网的XML_Parse

  do {
    size_t len = fread(buf, 1, sizeof(buf), stdin);
    done = len < sizeof(buf);
    if (XML_Parse(parser, buf, (int)len, done) == XML_STATUS_ERROR) {
      fprintf(stderr,
              "%" XML_FMT_STR " at line %" XML_FMT_INT_MOD "u\n",
              XML_ErrorString(XML_GetErrorCode(parser)),
              XML_GetCurrentLineNumber(parser));
      return 1;
    }
  } while (!done);

主要是用了XML_ErrorString(XML_GetErrorCode(parser)),XML_GetCurrentLineNumber(parser)这两个函数。