Blog @ Blog

利用VC++与MSXML解析XML文档

一、文档对象模型（DOM）
　　DOM是Document Object Model（文档对象模型）的简称，是对XML文档进行应用开发、编程的应用程序接口（API）。作为W3C公布的一种跨平台、与语言无关的接口规范，DOM提供了在不同环境和应用中的标准程序接口，可以用任何语言实现。
　　DOM采用对象模型和一系列的接口来描述XML文档的内容和结构，即利用对象把文档模型化。这种对象模型实现的基本功能包括：
　　● 描述文档表示和操作的接口；
　　● 接口的属性和方法；
　　● 接口之间的关系以及互操作。
　　DOM可对结构化的XML文档进行解析，文档中的指令、元素、实体、属性等所有内容个体都用对象模型表示，整个文档被看成是一个有结构的信息树，而不是简单的文本流，生成的对象模型就是树的节点，对象同时包含了方法和属性。因此，对文档的所有操作都是在对象树上的进行。在DOM中，树中的一切都是对象，不管是根节点还是实体的属性。
　　在DOM中主要有以下三个对象：
　　● XML文档对象
XML文档既是一种对象，同时又代表整个XML文档。它由根元素和子元素组成。
　　● XML节点对象
XML节点对象代表的是XML文档内部的节点，如元素、注释、名字空间等。
　　● XML节点列表
XML文档模块列表代表了节点的集合。
　　利用DOM，开发人员可以动态地创建XML文档，遍历结构，添加、修改、删除内容等。其面向对象的特性，使人们在处理XML解析相关的事务时节省大量的精力，是一种符合代码重用思想的强有力编程工具。

二、DOM的四个基本接口(引用自：http://bbs.xml.org.cn/dispbbs.asp?boardID=11&ID=9220)

在DOM接口规范中，有四个基本的接口：Document，Node，NodeList以及NamedNodeMap。在这四个基本接口 中，Document接口是对文档进行操作的入口，它是从Node接口继承过来的。Node接口是其他大多数接口的父类，象 Documet，Element，Attribute，Text，Comment等接口都是从Node接口继承过来的。NodeList接口是一个节点的集合，它包含了某个节点中的所有子节点。NamedNodeMap接口也是一个节点的集合，通过该接口，可以建立节点名和节点之间的一一映射关系，从而利 用节点名可以直接访问特定的节点。下面将对这四个接口分别做一些简单的介绍。
 1、Document接口

Document接口代表了整个XML/HTML文档，因此，它是整棵文档树的根，提供了对文档中的数据进行访问和操作的入口。
由于元素、文本节点、注释、处理指令等都不能脱离文档的上下文关系而独立存在，所以在Document接口提供了创建其他节点对象的方法，通过该方法创建的节点对象都有一个ownerDocument属性，用来表明当前节点是由谁所创建的以及节点同Document之间的联系。

在DOM树中，Document节点是DOM树中的根节点，也即对XML文档进行操作的入口节点。通过Docuemt节点，可以访问到文档中的其他节点， 如处理指令、注释、文档类型以及XML文档的根元素节点等等。另外，在一棵DOM树中，Document节点可以包含多个处理指令、多个注释作为其子节 点，而文档类型节点和XML文档根元素节点都是唯一的。

关于Document接口的IDL（Interface Definition Language接口定义语言）定义和其中一些比较常用的属性和方法的详细介绍可以在MSDN中找到。
 2、Node接口

Node接口在整个DOM树中具有举足轻重的地位，DOM接口中有很大一部分接口是从Node接口继承过来的，例如，Element、Attr、CDATASection等接口，都是从Node继承过来的。在DOM树中，Node接口代表了树中的一个节点。
 3、NodeList接口

NodeList接口提供了对节点集合的抽象定义，它并不包含如何实现这个节点集的定义。NodeList用于表示有顺序关系的一组节点，比如某个节点的子节点序列。另外，它还出现在一些方法的返回值中，例如GetNodeByName。

在DOM中，NodeList的对象是"live"的，换句话说，对文档的改变，会直接反映到相关的NodeList对象中。例如，如果通过DOM获得一 个NodeList对象，该对象中包含了某个Element节点的所有子节点的集合，那么，当再通过DOM对Element节点进行操作（添加、删除、改 动节点中的子节点）时，这些改变将会自动地反映到NodeList对象中，而不需DOM应用程序再做其他额外的操作。

NodeList中的每个item都可以通过一个索引来访问，该索引值从0开始。
 4、NamedNodeMap接口

实现了NamedNodeMap接口的对象中包含了可以通过名字来访问的一组节点的集合。不过注意，NamedNodeMap并不是从NodeList继 承过来的，它所包含的节点集中的节点是无序的。尽管这些节点也可以通过索引来进行访问，但这只是提供了枚举NamedNodeMap中所包含节点的一种简 单方法，并不表明在DOM规范中为NamedNodeMap中的节点规定了一种排列顺序。
 NamedNodeMap表示的是一组节点和其唯一名字的一一对应关系，这个接口主要用在属性节点的表示上。

与NodeList相同，在DOM中，NamedNodeMap对象也是"live"的。

三、MSXML
    从理论上说，根据XML的格式定义，我们可以自己编写一个XML的语法分析器，但实际上微软已经给我们提供了一个XML语法解析器，即一个叫做 MSXML.DLL的动态链接库，实际上它是一个COM（Component Object Model）对象库，里面封装了进行XML解析时所需要的所有对象。因为COM是一种以二进制格式出现的和语言无关的可重用对象，所以你可以用任何语言 (比如VB，VC，DELPHI，C++ Builder甚至是脚本语言等等)对它进行调用，在你的应用中实现对XML文档的解析。
 　　MSXML.DLL所包括的主要COM接口有：
 　　1. IXMLDOMDocument(Document接口)
DOMDocument对象是XML DOM的基础，你可以利用它所暴露的属性和方法来浏览、查询和修改XML文档的内容和结构。DOMDocument表示了树的顶层节点，它实现了DOM文 档的所有的基本方法，并且提供了额外的成员函数来支持XSL和XSLT。它创建了一个文档对象，所有其他的对象都可以从这个文档对象中得到和创建。
 　　2. IXMLDOMNode(Node接口)
 　　IXMLDOMNode是文档对象模型(DOM)中的基本对象，元素、属性、注释、过程指令和其他的文档组件都可以认为是IXMLDOMNode。事实上，DOMDocument对象本身也是一个IXMLDOMNode对象。
 　　3. IXMLDOMNodeList
 　　IXMLDOMNodeList实际上是一个节点(Node)对象的集合，节点的增加、删除和变化都可以在集合中立刻反映出来，可以通过"for.循环 "结构来遍历所有的节点。
 　　4. IXMLDOMParseError
 　　IXMLDOMParseError接口用来返回在解析过程中所出现的详细的信息，包括错误号、行号、字符位置和文本描述。
　　在具体应用时可以用DOMDocument的Load方法来装载XML文档，用IXMLDOMNode 的selectNodes（查询的结果有多个，得到存放搜索结果的链表）或selectSingleNode（查询的结果有一个，在有多个的情况下返回找 到的第一个节点）方法进行查询，用createNode和appendChild方法来创建节点和追加节点，用IXMLDOMElement的 setAttribute和getAttribute方法来设置和获得节点的属性。

四、编程举例