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。

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(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(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(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

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。

【編輯推薦】

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