Perl解析XML文件方法指導

作者：暢享網 2010-07-26 15:06:29

開發架構

本文向大家介紹一下如何利用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。

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。模塊作為ExpatXMLparser的界面由JamesClark用C語言編寫且已經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處理功能。例如，一個開始或結尾標記將觸發適當的用戶定義子程序。XML::Parser模塊在Expat功能的基礎上為普通應用所建構。

注意Expat在解析之前不會使XML生效且在遇到錯誤出現時會失效。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的純Perl應用要更有效的多。而且既然他已經被編寫出來，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，創建含有文件中的元素和數據的成套數組，這樣你就可以按照你的意愿控制這個結構。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時如何處理的子程序相關聯時定義處理器。

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

腳本先參照適當的模塊：

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="";

然后是創建解析器實例：

my$parser=newXML::Parser;

現在我們定義事件處理器。我設置了開始標記，結束標記，特性數據的處理器。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據，缺省處理器將自動執行而不需要定義。

$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數據文件：

$parser->parsefile($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組。如果標記沒有屬性，則一個空數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數據文件中遇到一個結束標記，endElement子程序就會被調用。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，我使用特性數據處理器來去掉可能已經包括在XML數據文件中的任一行和標簽格式并選擇顯示內容（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，結束標記和特性數據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

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。你可能會發現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。

【編輯推薦】

術語匯編 Perl閉包概念解析
Perl模式匹配參數使用詳解
實例解析Perl多進程技術的應用
學習筆記 Perl split函數用法指導
Perl多進程及其和多線程的關系解析

責任編輯：佚名來源： portal.vsharing.com

Perl解析XML文件