应用MSXML的DOM模型处理XML

开发
本文主要通过讲述MSXML类库的使用来理解XML文件处理模型中基于文档对象模型(DOM)的处理。

DOM模型在MSXML类库中的主要表现为把XML文件导入内存,形成一个IXMLDOMDocument,再把其中的每一个部件都用一个接口对应起来。因为还没用MSXML进行过XSLT格式化XML文件,所以这相关的也只好避而不谈了。先来个有XML基本部件的文本:

   (1)<?xml version='1.0' encoding='GB2312'?>
  (2)<?xml-stylesheet type='text/xsl' href='/expert/Xsl/2.xsl'?>
  (3)<body>
  (4)  <code1 id=”text”>文本</code>
  (5)  <code2 id=”cdata”>
  (6)  <![CDATA[
  (7)  这里是CDATA的内容,可以放类似’<’等可能会和XML控制信息有冲突的内容
  (8)  ]]>
  (9)  </code>
  (10)</body>

为了表述方便,在第一列都放上了行号。首先从(1)~(10)够成了一个Document,在MSXML中对应IXMLDOMDocument接口;(1)行、(2)行对应MSXML中的接口为IXMLDOMProcessingInstruction;(3)行到(10)行则为一个Root Element,对应的接口为IXMLDOMElement,(3)里面包含的多个也是element,不过是body的下一层element。需要注意的是Root只能有一个,Root下面无论多深,理论上允许无数多个(?),且允许名称重复;(4)和(5)里面各有一个id=”?”这是一个attribute(注意:(1)和(2)行version;encoding;type;href等也是),对应MSXML里的IXMLDOMAttribute;(4)里面的“文本”看起来和(7)这一行是差不多的,都是文本信息,很多人以为都可以通过get_text()直接得到(不久以前我也以为),其实是错的。对于“文本”是可以通过(4)这个element直接get_text()获取,对应于IXMLDOMText,但如果在(5)这个element直接get_text()就会出错,原因?CDATA是区别于“文本”的另外一种类型,对应于IXMLDOMCDATASection,如何获取,后面再提。现在整个XML的基本框架似乎出来了:

<IXMLDOMDocument>
  <IXMLDOMProcessingInstruction />
  <IXMLDOMProcessingInstruction />
  <IXMLDOMElement (根,只能有一个)>
   <IXMLDOMElement IXMLDOMAttribute>
  IXMLDOMText
  </ IXMLDOMElement >
   <IXMLDOMElement IXMLDOMAttribute>
  IXMLDOMCDATASection
  </ IXMLDOMElement >
  <IXMLDOMElement>
  </IXMLDOMDocument>

但是,看看很多关于MSXML的教程用到另外一个接口IXMLDOMNode,这个怎么回事?和上面的IXMLDOMElement有什么关系?前面用了这么长时间的MSXML经常就是在这个地方弄混,以至无所进展,最近要在C++Builder5下面使用XML解析,可是没有TXMLDocument控件,想自己封装一下MSXML的一些使用才发现其中的奥妙。在DOM模型中把包括Document、ProcessingInstruction、Attribute、Element、TextNode、CDATASection等都看作是一个个Node,在MSXML中实现接口的时候表现为这些对象都是从Node派生出来的,要理解Node和这一些接口的关系关键是要看清楚各接口之间的派生关系。为什么要添加这一个Node接口呢?目的是为了使XML各要素之间联结起来,不至于松散。

再加上另外两个接口IXMLDOMNodeList和IXMLDOMNamedNodeMap。其中IXMLDOMNamedNodeMap主要使用在联结同一个Element的各Attribute,因为同一个Element的Attribute必须保证两两不能冲突,而IXMLDOMNodeList则用于联结其他的几个要素ProcessingInstruction、Element、TextNode、CDATASection等,而这几个要素比如Element,在同一个层是允许相同名称重复出现的。上面的联结并没有包括Document这个Node,因为Document是整个XML的第一个Node,不可能也不允许出现在IXMLDOMNodeList和IXMLDOMNamedNodeMap下面。这段说法我也算是经过代码证实过的吧!把MSXML的Document作为第一个Node,然后通过NamedNodeMap编历该层的所有Attribute,再通过NodeList递归循环下一层的所有Node。可以看到这样的一个树状结构(其中的attribute在该行括号列出,缩进表示所在层):

#document
  xml (version;encoding)
  xml-stylesheet (type; href)
  body
   code1 (id)
  #text
   code2 (id)
  #cdata-section

从上面打印出来的信息可以看出TextNode,CDATASection是当作Element的下一层Node来处理的。get_text()只是为了方便使用TextNode的一个捷径,对CDATASection通过get_text()访问会出错,则可考虑通过下一层Node的第一个Node来获取。方法:

MSXML::IXMLDOMNodePtr child;
  child = parent->childNodes->get_item(0);
  if (child != NULL)
  text = child->get_nodeValue();

在递归循环的时候,通常我们并不能预知这一个Node是什么类型的。为了知道这一个Node是Element还是TextNode,或者其他类型,可以通过IXMLDOMNode::nodeType来获取,这是一个枚举类型,有如下取值(从这也可以看出,上面这个XML文本并没有涵盖XML所有要素):

NODE_ELEMENT (1)
  NODE_ATTRIBUTE (2)
  NODE_TEXT (3)
  NODE_CDATA_SECTION (4)
  NODE_ENTITY_REFERENCE (5)
  NODE_ENTITY (6)
  NODE_PROCESSING_INSTRUCTION (7)
  NODE_COMMENT (8)
  NODE_DOCUMENT (9)
  NODE_DOCUMENT_TYPE (10)
  NODE_DOCUMENT_FRAGMENT (11)
  NODE_NOTATION (12)

#p#

好了,下面应该可以把“XML文件的处理思考”里面出现的一些问题一个个罗列出来了吧:

问题一:最大的问题,通过路径来找到比较深入的一个节点

在这篇文章中通过递归调用函数来实现这个功能,完全没有必要,算是多此一举了。DOM模型中自身带的IXMLDOMNode::SelectSingleNode和IXMLDOMNode::SelectNodes(XPath)实现了比这个递归调用更完美的功能。简单说一下SelectSingleNode的使用方法(msdom是IXMLDOMDocument实例)

MSXML::IXMLDOMNodePtr parent, child;
  parent = msdom->documentElement;
  //child为code1类型Element
  child = parent->selectSingleNode(“/code1”);
  //child为code1的id类型Attribute
  child = parent->selectSingleNode(“/code1@id”);
  //child名为code1且Attribute id=’text’的那个Element类型Element
  child = parent->selectSingleNode(“/code1@[id=’text’]”);

…其它高深点的用法待后研究,为XPath相关。

问题二:C++ Builder6里面的TXMLDocument并不单纯是对MSXML的封装

为了在C++ Builder 5下面封装出一个类似的控件来,找了一些相关资料,发现MSXML、OpenXML等DOM模型的解析器都是同一套接口(希望我没有弄错),只是内部实现不同。TXMLDocument通过设置Ventor可以设置使用不同的解析器,但是在C++Builder里面使用方法却是完全相同的。默认好像是使用MSXML解析,比较优劣,MSXML需在客户端注册较新的msxml.dll类库;SAX的需要附带较大的dll;OpenXML因为是直接使用一个.pas文件编译,直接生成到了可执行文件。

问题三:在文章中遍历NodeList使用了IEnum接口

有点杀鸡用牛刀之嫌,现在的遍历可以这样:

for (int i = 0; i < nodelist->get_length(); i++)
  {
  child = nodelist->get_item((long)i);
  name = child->get_nodeName();
  }

想想原来做的时候应该也用过这个方法,不过当时不知道Node和Element之间的关系,胡乱执行下面这样的转换所以转换出的element == NUL,就以为此路不通。

IXMLDOMElementPtr element = (IXMLDOMNodePtr)node;

问题三:到后来补的一段appendChild的操作,将createElement出来的Element直接转换成Node再appendChild。其实,这应该是最基础的一个C++知识,关键是要看清MSXML实现的Com里面也带有了C++的这种技巧。

现在再来看看C++ Builder 5里面怎么解决没有TXMLDocument控件,要使用MSXML类库有什么办法。

最开始想到的是使用import语句的方法,即

#import "C:Windowssystem32MSXML.DLL" named_guids

可是,import进来能生成tlb和tlh文件,进行编译却无法通过,总提示缺少了些什么,或有一些函数未能导出来(对了,可以在VC++里面import,然后复制生成的tlb和tlh到C++Builder项目)。于是,直接使用C++ Builder里面自带的TVariant类进行COM实例化,调用函数,属性(OleFunction,OlePropertyGet,OlePropertySet)等。例:

TVariant varMSDOM = CreateOleObject(“MSXML.DOMDocument”);
varMSDOM.OleFunction(L“load”, L”c:tmp.xml”);
TVariant varDoc = varMSDOM.OlePropertyGet(“documentElement”);

直觉是这种调用方法是会比import进来的调用速度要慢。差别好像是import直接通过虚函数表查找函数指针进行调用;OleFunction这些则通过IDispatch接口的invoke函数,间接调用,而且不能调用import进来name_guids的那些函数,如get_nodeName(BSTR *)。不管怎么样,通过TVariant还是基本能够满足要求,函数的调用。

然后,突然发现C++ Builder的Project上有个Import From Type Library的菜单,也尝试一下。tlb和tlh文件都生成了,加入工程编译一下,能够通过,不过tlh里面的定义,和调用方法却和VC里面的import进来有些不同:

1. VC里面的实例化直接用智能指针如:

MSXML::IXMLDOMDocumentPtr msdom;
msdom.CreateInstance(__uuidof(MSXML::DOMDocument));

C++Builder里面的实例化,则通过另外一个编译器封装的对象来实现

TCOMIXMLDOMDocument i_xmldocument = CoDOMDocument::Create();
IXMLDOMDocumentPtr msdom = (IXMLDOMDocumentPtr) i_xmldocument;

TCOMIXMLDOMDocument的定义在MSXML2_TLB.h里面可以找到

typedef TComInterface TCOMIXMLDOMDocument;

2. C++Builder里面也有IXMLDOMDocumentPtr msdom,可是这个指针却不能直接用于判断是否等于NULL,编译器会提示错误,而应改为:

if ((IXMLDOMDocument *)msdom == NULL)

上面在C++Builder下面使用MSXML的经验,延伸到其它类型的COM的自动化(automation),应该是不会有什么问题的!不是吗?

【编辑推荐】

  1. 在ASP.NET中使用Treeview控件和XML
  2. 如何利用Scala简化XML处理
  3. 通过Java编程处理XML服务定义
责任编辑:杨鹏飞 来源: mblogger
相关推荐

2010-09-28 10:03:15

DOM文档对象模型

2010-09-28 11:03:19

XML DOM

2010-09-28 11:11:23

XML DOMHTML DOM

2009-02-27 17:15:05

XMLDOMXPath

2010-09-09 17:19:07

HTML DOMXML DOM

2010-09-28 10:24:50

HTML DOMXML DOM

2011-12-28 10:57:37

2009-09-10 17:44:36

DOM模型INQ模型

2010-09-28 09:33:25

DOM模型

2013-06-08 13:29:27

Android开发DOM读取XMLXML解析

2010-09-09 13:55:47

XML DOM

2010-09-09 13:40:19

XML DOM

2022-07-01 07:31:18

AhooksDOM场景

2009-12-02 14:14:06

PHP DOM-XML

2010-09-28 10:40:32

HTML DOM

2010-09-09 13:12:29

XML DOM

2012-04-26 08:29:22

DOM

2009-06-29 18:04:32

JDOM文档JSP

2010-09-09 16:17:10

PHPXMLXML DOM

2010-09-28 09:43:37

DOM文档对象模型
点赞
收藏

51CTO技术栈公众号