建站
咨詢
售后
建站咨詢
新聞中心
本文和大家重點討論一下如何利用Perl解析XML文件，Perl的核心庫包括多個支持XML的模塊。這篇文章就關注于一個最早期且涉及最頻繁的核心模塊：XML::Parser.
利用Perl解析XML文件
當在Perl中使用XML時，你會有將近五百個CPAN模塊可以選擇，每一個都支持整合Web服務的不同方面。此外，Perl的核心庫包括多個支持XML的模塊。這篇文章就關注于一個最早期且涉及最頻繁的核心模塊：XML::Parser.
XML::解析器系列
最初的Perl解析器XML::Parser::Expat由LarryWall在幾年前編寫并由ClarkCooper保持延續(xù)。模塊作為ExpatXMLparser的界面由JamesClark用C語言編寫且已經(jīng)被一些腳本語言所采用。
Expat是一個以事件為基礎的解析器，意味著特定條件觸發(fā)處理功能。例如，一個開始或結(jié)尾標記將觸發(fā)適當?shù)挠脩舳x子程序。XML::Parser模塊在Expat功能的基礎上為普通應用所建構(gòu)。
注意Expat在解析之前不會使XML生效且在遇到錯誤出現(xiàn)時會失效。這些限制會使XML::Parser模塊速度非常之快。
XML::Parser簡介
任何人都可以在Perl中編寫一個XML解析器。畢竟你只是處理具有已知格式的文本。但由于XML::Parser模塊是用C編寫的，他比任何你可以實現(xiàn)的純Perl應用要更有效的多。而且既然他已經(jīng)被編寫出來，你就可以把時間花在其他更有用的事情上。
XML::Parser的Expat的功能允許你定義所使用的解析器的樣式。最普遍使用的樣式是Tree和Stream，Tree處理XML的輸入，創(chuàng)建含有文件中的元素和數(shù)據(jù)的成套數(shù)組，這樣你就可以按照你的意愿控制這個結(jié)構(gòu)。Stream將分析行為劃分層級，在一個事件的開始做處理，要使用Stream，你必須在你對模塊做例示并將其與描述事件出現(xiàn)時如何處理的子程序相關聯(lián)時定義處理器。
其它樣式還包括：Sub，允許你特定地對一種XML標記定義其功能。Debug，將文件顯示未標準輸出。Object，與Tree相似但是返回對象。你也可以通過在XML::Parser類中定義一個子類來設定一個客制樣式。#p#
Perl解析XML文件一個例子
這個例子中，我將使用XML::Parser類來創(chuàng)建一個Stream解析。我將帶出一個將XML文件解析為標準輸出的簡單腳本程序，你可以在表A中看到腳本程序(xmlparse.pl)，在表B中看到XML文件(data.xml)。這里，由于這是一個命令行腳本，我選擇不解析URL元素。要執(zhí)行這個腳本程序，在命令提示下，鍵入：
perlxmlparse.pldata.xml
腳本先參照適當?shù)哪K：
useXML::Parser;
接著，從命令提示輸入抓取文件：
- my$xmlfile=shift;
- die"Cannotfindfile\"$xmlfile\""
- unless-f$xmlfile;
腳本設置一些初始變量：
- $count=0;
- $tag="";
然后是創(chuàng)建解析器實例：
my$parser=newXML::Parser;
現(xiàn)在我們定義事件處理器。我設置了開始標記，結(jié)束標記，特性數(shù)據(jù)的處理器。而僅僅因為是例子，我還加入了一個缺省處理器，它將對全部進行解析而不被其他事件處理器的定義所明顯覆蓋。如果你計劃丟棄額外數(shù)據(jù)，缺省處理器將自動執(zhí)行而不需要定義。
- $parser->setHandlers(Start=>\&startElement,
- End=>\&endElement,
- Char=>\&characterData,
- Default=>\&default);
腳本的主要部分通過指示解析器實例而變得緊湊來通過XML數(shù)據(jù)文件：
$parser->parsefile($xmlfile);
剩下的就是定義在每個事件情況下如何進行處理。
當腳本程序遇到一個開始標記時將執(zhí)行這個子程序，這在上面的setHandlers方式中進行了定義。我選擇跳過去并顯示每個元素中我感興趣的文本。
接下來我定義的變量自動地被XML::Parser模塊所傳遞。對于開始標記處理器，這些變量代表解析器實例，標記名和標記可能會有的屬性數(shù)組。如果標記沒有屬性，則一個空數(shù)組將被傳遞至子程序。
- substartElement{
- my($parseinst,$element,%attrs)=@_;
- SWITCH:{
- if($elementeq"article"){
- $count++;
- $tag="article";
- print"Article$count:\n";
- lastSWITCH;
- }
- if($elementeq"title"){
- print"Title:";
- $tag="title";
- lastSWITCH;
- }
- if($elementeq"summary"){
- print"Summary:";
- $tag="summary";
- lastSWITCH;
- }
- }
- }
在XML數(shù)據(jù)文件中遇到一個結(jié)束標記，endElement子程序就會被調(diào)用。這里，我要提供一些線中斷。在這里被XML::Parser所傳遞的變量是解析器實例和標記名稱。
- subendElement{
- my($parseinst,$element)=@_;
- if($elementeq"article"){
- print"\n\n";
- }elsif($elementeq"title"){
- print"\n";
- }
- }
由于我們處在命令行，我使用特性數(shù)據(jù)處理器來去掉可能已經(jīng)包括在XML數(shù)據(jù)文件中的任一行和標簽格式并選擇顯示內(nèi)容（如果他來自一個標題或摘要標記）。
- subcharacterData{
- my($parseinst,$data)=@_;
- if(($tageq"title")||($tageq"summary")){
- $data=~s/\n|\t//g;
- print"$data";
- }
- }
最后，我定義了一個子程序來處理所有可能遇到的其它類型的元素。其中包括特性編碼定義，文件類型定義和評注。所有不被開始標記，結(jié)束標記和特性數(shù)據(jù)事件處理器所明確覆蓋的都包括在這里面。
- subdefault{
- my($parseinst,$data)=@_;
- #youcoulddosomethinghere
- }
小結(jié)
你對XML::Parser的Expat功能熟悉之后，你可以將其作為接觸幾百個可用的CPANXML模塊的跳板。我們這里的Stream樣式是唯一一個可用的XML::Parser模塊中的解析類型。你可能會發(fā)現(xiàn)其他的會更適合你的工作任務。Perl幾乎從第一個工程方案推出時就具有XML功能，不論你的需要如何，他都是一個很好的選擇。
文章題目：Perl解析XML文件方法指導
網(wǎng)址分享：http://www.dlmjj.cn/article/dhipchs.html
