XML格式以及相关libxml库学习

本文参考 XML文件格式语法以及DTD，摘除其中自己认为必要的知识点，在此记录如下。

先给出一个xml的实例文件，

<?xml version="1.0" encoding="utf-8"?>
<gadget>
  <name>日历</name>
  <namespace>
    <!--_locComment_text="{Locked}"-->microsoft.windows
  </namespace>
  <version>
    <!--_locComment_text="{Locked}"-->1.1.0.0
  </version>
  <author name="Microsoft Corporation">
    <info url="http://go.microsoft.com/fwlink/?LinkId=124093" text="www.gallery.microsoft.com"/>
    <logo src="logo.png"/>
  </author>
  <copyright><!--_locComment_text="{Locked}"-->© 2009</copyright>
  <description>浏览日历中的日期。</description>
  <icons>
    <icon height="48" width="48" src="icon.png"/>
  </icons>
  <hosts>
    <host name="sidebar">
      <autoscaleDPI><!--_locComment_text="{Locked}"-->true</autoscaleDPI>
      <base type="HTML" apiVersion="1.0.0" src="calendar.html"/>
      <permissions>
        <!--_locComment_text="{Locked}"-->Full
      </permissions>
      <platform minPlatformVersion="1.0"/>
      <defaultImage src="drag.png"/>
    </host>
  </hosts>
</gadget>

XML是一个文本文件，整个内容可以分为两个部分，分别为位于第一行的文件序言（Prolog）和文件主体。

文件序言是一个XML文件必须要声明的东西，它主要是告诉XML解析器如何工作，其中，version表示该xml文件所使用标准的版本号，encoding表示该xml文件中所使用的字符类型。

文件主体是xml文件中，除了文件序言剩下的部分，以上文为例子，它由开始的 <gadget>和结束的</gadget> 控制标记组成，它为XML的根元素；name为根元素下面的“子元素”,在子元素<author>中，name为元素的属性，后面的名字为元素的属性值。

<!-- 注释内容  --> 这一句为XML中的注释格式。

XML解析器

XML解析器首先根据XML编写规范来检查将要打开的XML文件中，是否有结构上的错误，然后剥离XML文件中的标记，读出正确的内容，交给后续程序处理。

XML的设计者严格规定了 两种XML的语法和结构，一种是 Well-Formed XML 文件，另一种是 Validating XML 文件。XML必须是Well-Formed的，只有满足这个条件，才能被解析器正确的解析出来，显示在浏览器中。以下是Well-Formed的编写准则：

1. XML文件的第一行必须是声明该文件是XML文件以及它所使用的XML规范版本。

2. XML文件中，有且只能有一个根元素

3. XML文件中，标记必须正确的关闭，有<A>,就必定对于的关闭标签 </A>。特殊的空元素写法<空元素名 [属性=“属性值”]/>

4. XML文件中，标记之间不得交叉，属性值必须用英文的””括起来， 控制标记、指令和属性名称等英文区分大小写。

5. 要想原封不动的显示输入的内容，XML中需要以CDATA来予以特殊标记，以<! [CDATA[开始标记，以>>为结束标记。

6. XML文件中，所有标记以外的空白，解析器都要忠实地交给后续应用程序来处理。

上述就是符合Well-Formed标准的XML文件，这是编写XML文件最基本的要求。XML文件是用来传输数据的，在文件中，除了数据内容之外，还有数据的元素名称，而这些元素名称是用户自定义的，这就为后续的沟通带来了问题。设想一下，A公司使用<价格>来表示，B公司使用<售价>来表示，那么他们之间的xml文件沟通，虽然都可以解析出数字来，但是所理解的意思会不同，XML的制定者约定了一个规范，编写XML文件可以用哪些标记，母元素中能够包含哪些子元素，各个元素出现的顺序，元素中的属性怎样定义等。这种约定双方的规范叫做DTD(Document Type Definiton ,文档格式定义)。可以认为DTD是编写XML的模板，照着这个模板来写，双方就能正确沟通。

如果一个XML文件时Well-Formed的，并且它是正确的依据某个DTD来建立的，那么它称之为：Validating XML文件。

DTD有两种使用方式，在XML文件中直接设定的内部DTD文件，由XML文件中调用的外部DTD文件。

内部DTD是在XML文件中的文件序言区域中定义的，语法：

<! DOCTYPE element-name[ …… ]>

<! DOCTYPE    ： 表示开始设定DTD

element-name : 指定此DTD的根元素名称，如果XML文件使用了DTD，那么文件中的根元素在此指定。

[….]>             :  在[]标记里面定义了XML文件使用的元素，以>结束DTD的定义。

外部DTD是一个独立于XML文件的文件，以dtd作为文件扩展名，它可以供多个XML文件使用。下面给出一个外部DTD的例子。

〈?xml version="1.0" encoding="GB2312" ?〉
     〈!ELEMENT 参考资料 (书籍*)〉
     〈!ELEMENT 书籍 (名称,作者,价格)〉
     〈!ELEMENT 名称 (#PCDATA)〉
     〈!ELEMENT 作者 (#PCDATA)〉
     〈!ELEMENT 价格 (#PCDATA)〉
     〈!ATTLIST 价格 货币单位 CDATA #REQUIRED〉

XML文件中，使用 <!DOCTYPE element-name SYSTEM DT-URL >来引用创建好的外部DTD文件。

XML解析库

要真正在项目中使用XML，来需要自己来编写XML解析器，为了简单起见，现从学习libxml2入手，快速上手xml解析任务。这一章中，要解决的问题是解析一个xml配置文件，并将对于的内容输出到结构体中去。

这部分内容参考了 网上其他人的学习经历，点此进入。

Linux下，Gnome项目提供xml的C解析器，叫做libxml2解析库，能简单方便的提供对XML文件的各种操作，并且支持XPATH查询，以及部分XSLT转换等功能。安装方法有下载源码自己编译安装或者使用apt工具来安装，建议使用后者。

安装方法： apt-get install libxml2

apt-get install libxm2-dev

安装完后，在/usr/bin里面，提供了三个与xml相关的可执行文件

xml2-config  提供了安装后的一些xml配置信息，后续编译时，需要相关信息。

xmlcatalog   不知道它用来干嘛的

xmllint         可以用来解析xml文件，并且输出解析后的结果。

libxml2里面提供了帮助编译的工具，查找xml2-config ，输出cflags和libs的配置信息

上述两个路径，需要在编译时添加到命令行中去。

编译时，产生如下的错误：

原因是没有链接库，或者链接库没有更新。添加了各种-l和-L，都不行。

正常的编译选项：

gcc test.c -o test -I/usr/include/libxml2/ -lxml2 -L/usr/lib/i386-linux-gnu/

超级大坑：gcc编译过程中，上述正常的编译就可以通过，改变一下位置，将test.c o test 放在后面，编译就失败。 

最后的执行结果如下：./test abc, 其中，abc的内容如下：

这是最后生成的xml文件。

解析XML文件，晚上再添加。

学习了解xml库，刚开始，只需要了解它最常用的几个函数和数据结构类型。下面就实例程序中提供的来一一介绍：

1. 内部字符类型 xmlChar

libxml2库中所有字符和字符串都是基于此字符类型

原型定义为 typedef unsigned char xmlChar

它能够很好适应UTF-8编码，UTF-8编码是libxml2的内部编码，其他格式的编码必须先转换为UTF-8编码才能使用libxml2。

2. xmlChar* 和其他类型之间的转换

为了便于在xmlChar* 和 char* 之间进行类型转换，定义了一个BAD_CAST宏

原型如下： #define  BAD_CAST (xmlChar *)

3. 文件类型数据结构  xmlDoc， 文件类型数据结构对于的指针 xmlDocPtr

xmlDoc保存了一个xml文件的基本信息，包括文件名、文件类型、子节点等等。

xmlDocPtr等于 xmlDoc*

xmlNewDoc 函数 用来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

xmlFreeDoc  函数释放文件指针。注意，当调用此函数时，该文件所包含的节点内存都被释放，所以一般来说，不必手动调用xmlFreeNode后者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。

一般来说，一个文件中的所有节点都应该是动态分配的，然后加入文件，最后调用xmlFreeDoc一次性释放所有节点申请的动态内存。

xmlSaveFile 将文件以默认方式存入一个文件

4. 节点类型 xmlNode ，节点类型对于的指针 xmlNodePtr

一个xmlNode代表XML文件中的一个节点，具体实现为一个struct，

xml文件操作的原理，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、修改等操作。

5. 节点集合类型 xmlNodeSet，及其对应指针 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。

实例XML文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<!-- edited with XMLSpy v2011 rel. 2 (http://www.altova.com) by dancelj (em) -->
<conf xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="conf.xsd">
    <service>
        <name>service_1</name>
        <monitor_interface>eth0</monitor_interface>
        <exprobe_ip>192.168.8.201</exprobe_ip>
        <update_period>5</update_period>
        <sample_number>10</sample_number>
        <media_servers>
                <ip>10.0.0.1</ip>
                <ip>10.0.0.2</ip>
                <ip>10.0.0.3</ip>
        </media_servers>
    </service>

    <service>
        <name>service_2</name>
        <monitor_interface>eth1</monitor_interface>
        <exprobe_ip>192.168.8.202</exprobe_ip>
        <update_period>5</update_period>
        <sample_number>10</sample_number>
        <media_servers>
                <ip>10.1.0.1</ip>
                <ip>10.1.0.2</ip>
        </media_servers>
    </service>

</conf>

先来分析以下这个xml文件，里面介绍了两个服务，每个服务都有服务名称(name)，监控端口(mif)，浏览ip(expip)，更新周期(update_period)，采样数目(sample_number)和三个媒体服务器地址,考虑到媒体服务器地址后续可能还会增加，此处采用链表形式来存储，便于后期扩展。每个服务属性也采用链表的连接起来。

Editplus快捷键：

选择当前的单词 Ctrl+W

选择当前行      Ctrl+R

新建浏览器窗口 Ctrl+Shift+B

新建普通文本   Ctrl+N

开启代码折叠    Ctrl+Shift+F

查找下一个匹配的文本 F3

查找上一个匹配的文本 Shift+F3

转到文档中指定行     Ctrl+G

ftp服务这边，主动和被动，都是针对server这端来说的。

主动连接： 客户端先告诉服务器的21号端口，我这里可以连接啦。然后服务器的20端口主动的去连接客户端的端口。

被动模式：客户端告诉服务器21号宽口可以连接啦，然后，服务器的21端口回复客户端说“我的XX端口可用，你连接过来吧”，于是客户端主动发起连接，服务器端被动接受连接，这种模式下，服务器的XX端口不再是主动模式下的20端口，而是大于1024的某个端口。