在VC6中使用MSXML 4.0 DOM处理XML文档
DOM是Document Object Model的缩写，提供了与XML交互的标准编程模型:（1）提供了标准方法在程序中创建、遍历或者更新XML文档内容。（2）提供了一组核心的与供应商和语言无关的应用程序编程接口（API），可满足与XML交互的大部分需求。因此，DOM APIs成为应用程序和XML文档之间互通的桥梁。
W3C（World Wide Web Consortium）DOM Level 1规范定义了两组DOM编程接口：6U6Linux联盟
（1）基本接口：W3C基本接口定义了用来在应用程序中操纵XML文档的接口；6U6Linux联盟
（2）扩展接口：W3C扩展接口定义了一些方便开发者的接口。
所有XML处理程序必须支持Unicode字符编码的两种形式：UTF-8和UTF-16。XML Parser可以读取使用ISO-8859-1、Big-5或者Shift-JIS编码的文档，并在加载文档时将它们自动转换为Unicode。
如果XML文档使用的字符编码不是UTF-8（8-bit ASCII文本也是可接受的UTF-8）或者UTF-16，那么它必须在XML声明中提供字符编码声明，否则XML Parser可能会出错。当然，即使对字符编码进行了声明，Parser也可能不能够处理（不支持该编码），但能够正确地给出提示信息。（由于XML声明是使用基本的ASCII文本书写的，Parser能够正确地读出它的内容。）
2. MSXML 4.0简介
MSXML（Microsoft XML Core Services）是Microsoft提供的用于处理XML文档的COM库。MSXML DOM不仅实现了W3C DOM Level 1规范定义的基本接口和扩展接口，还提供了额外的方法来支持XSL Transformation（XSLT）、XPath、名字空间和数据类型。MSXML除了支持规范所要求的字符编码外，还支持更多的字符编码格式，而在内部使用Unicode UCS-2字符编码处理XML文档中的所有文本。
本文以Visual C++ 6.0为开发环境，介绍MSXML4.0 SDK中DOM的使用。另外，MSXML中的SAX也比较常用。
2.1. MSXML DOM
MSXML DOM是本文介绍的重点，它提供了丰富的接口方便在程序中操作XML文档。DOM在内存中提供了XML文档的完整表示，允许对整个文档内容的随机访问。DOM允许应用程序依赖于MSXML Parser提供的逻辑结构来处理基于XML的信息。其工作流程和原理如下图所示（源自MSXML 4.0 SDK）：
当MSXML Parser把一个XML文档加载进DOM时，它从头到尾读入整个XML文档，并构建内在逻辑树结构。文档本身被认为是包含其它所有节点的单个节点，例如，它包含根元素（Root Element），而根元素则包含文档中所有的元素、属性和文本节点。 MSXML DOM树中每一个节点都有特定的类型（如元素、属性、文本），也有指向父节点和子节点的成员。其中，属性节点是一个特殊的节点，它不是子节点，是元素的属性。
2.2. MSXML SAX2
有时，使用SAX（Simple API for XML）来解决XML应用可能是一个更好的选择。DOM方式允许开发者利用MSXML维护的DOM树，而不用自己来管理。但有时，开发者需要更高的效率时，可能只需要读入XML文档，而在程序内部构造数据结构来管理XML文档信息，这时就可以选择SAX方式。下图是MSXML SAX2的工作流程和原理图（源自MSXML 4.0 SDK）：
3. 安装MSXML 4.0 SDK
早期的MSXML版本，特别是MSXML 2.5和MSXML 3.0，借助于xmlinst.exe工具，可以以替换模式进行安装。在替换模式下，新安装的MSXML版本替换旧版本，从而变成缺省的XML Parser。当你在程序中使用版本无关的CLSID和ProgID时，缺省的XML Parser就被调用。这常常引起旧程序的兼容性问题。基于这个原因，MSXML 4.0只能以Side-by-side模式进行安装。Xmlinst.exe工具在MSXML 4.0中不再提供，也不适用于MSXML 4.0。
MSXML 4.0 SDK（Microsoft XML Core Services 4.0 Software Development Ket）是以side-by-side模式安装在你的机器上的。这种模式有助于保护那些使用msxml.dll、msxml2.dll，或者msxml3.dll的应用程序，使其不受干扰，仍可照常使用。Side-by-side模式允许你决定使用哪个版本的Parser来为你工作，这可在你的代码中指定。6U6Linux联盟
从Microsoft XML Download Center下载回安装程序，安装程序将在你的机器上安装三个文件：msxml4.dll、msxml4a.dll和msxml4r.dll，并对msxml4.dll进行注册。
或者，你也可以手动安装MSXML，如果你乐意的话。首先，拷贝上面的三个dll文件到机器的系统目录（$sysRoot/system32），一般是C:/WINDOWS/system32；然后，运行cmd，执行命令：(1) cd C:/WINDOWS/system32 (2) regsvr32 msxml4.dll。6U6Linux联盟
在安装MSXML 4.0 SDK后，应用程序必须使用版本相关的CLSID和ProgID来显式地实例化Parser，这确保你的应用程序的稳定性。
4. 使用MSXML DOM
本节介绍在VC6.0中使用MSXML DOM处理XML文档。下面的示例中将动态生成一个XML文档，并对文档进行查询。
4.1. 导入MSXML
首先，需要导入MSXML头文件和库到VC6.0工程中。有两种导入方式：6U6Linux联盟
（1）自动方式，在源代码中添加如下两行程序即可：6U6Linux联盟
#import <msxml4.dll>6U6Linux联盟
using namespace MSXML2;6U6Linux联盟
（2）手动方式（有存在的理由么？呵呵）6U6Linux联盟
a）找到MSXML 4.0 SDK的安装目录，去发现两个子目录inc和lib；6U6Linux联盟
b）在VC选项中，将MSXML 4.0下inc和lib子目录添加到默认的头文件和库文件搜索路径中；6U6Linux联盟
c）在使用MSXML的源文件中包含头文件<msxml2.h>；6U6Linux联盟
d）在工程设置中将msxml2.lib添加到要链接的库中。
以自动方式导入MSXML，会在你的工程目录下（或者Debug/Release下）生成两个头文件msxml4.tlh和msxml4.tli（前者为头文件声明，后者为内联函数定义文件）。
4.2. XML样例文档
后面的程序中将动态生成如下XML文档，然后对该文档进行查询。
| <?xml version="1.0" encoding="utf-8"?> <!--Sample XML file created using XML DOM object.--> <request> <identification> <userName>tyc</userName> <password>pwd</password> </identification> <commandLines count="2" reply="no" immediate="yes"> <command num="1"> <type>backup</type> <dbName>db1359</dbName> </command> <command num="2"> <type>save</type> <data><![CDATA[这里是XML文档的CDATA数据段...]]></data> </command> </commandLines> </request> |
4.3. 用到的COM技术
与其它COM技术一样，MSXML也使用引用计数来管理DOM对象的生存期。当使用MSXML中的COM裸接口指针时，程序员必须负责处理该指针的引用计数：调用AddRef增加引用计数；调用Release减少引用计数。
例如，当调用IXMLDOMDocument::createNode、IXMLDOMNode::appendChild或者CoCreateInstance创建或者获取对象时，对象的引用计数已经在函数返回前增加了，而你却有责任在使用完这些指针后调用Release释放对象。如果你复制一个已存在对象的引用，你必须调用AddRef增加相应的引用计数。
4.4. MSXML DOM中裸指针与智能指针的用法区别
MSXML中成员函数有两类，一类成员函数的返回值是通过参数返回的，而函数本身返回HRESULT作为操作成功与否的标识，如果函数返回的值（通过参数）是指针，那么该指针是裸指针，这里把这类用法称为裸用法，这种函数称为裸函数；另一类成员函数是对前面的裸函数的简单封装形式，把裸函数的返回值作为真正的返回值返回，如果是返回指针，则指针不再是裸指针，而是经过封装的智能指针。一般前类函数的函数名中有下划线，而后者没有。你可以在生成的msxml4.tli文件中看到这种封装。
4.5. 源程序
不多说了，看代码吧。（注：本来想贴上所有代码的，但系统字数限制，只好删除了两个实现函数，请看文后的源程序打包文件）
| #include <iostream> #include <string> #include <cassert> using namespace std; #import <msxml4.dll> using namespace MSXML2; bool generateXMLSampleFile(const string &path); bool queryXMLSampleFile(const string &path); int main() { // 初始化COM库 CoInitialize(NULL); // 创建XML文件及其内容 if (!generateXMLSampleFile("sample.xml")) cout << "Failed" << endl; // 加载刚生成的XML文件，将其输出到标准输出中予以显示 IXMLDOMDocument2Ptr pXMLDom; HRESULT hr = pXMLDom.CreateInstance(__uuidof(DOMDocument40)); if (FAILED(hr)) { cout << "Failed to instantiate DOMDocument40 class!" << endl; return -1; } if (pXMLDom->load("sample.xml") != VARIANT_TRUE) { cout << "Failed load xml data from file: " << static_cast<char*>(pXMLDom->parseError->Getreason()) << endl; return -1; } // 下面输出XML文件内容，但奇怪的是文件头中没有编码的部分！ cout << static_cast<char*>(pXMLDom->xml) << endl; pXMLDom.Release(); // 注意，不能用pXMLDom->Release()这种形式！ // 对刚生成的XML文件进行查询 cout << "---------------------------------------" << endl; cout << "Start query..." << endl; queryXMLSampleFile("sample.xml"); CoUninitialize(); return 0; } |
补充下，如果是遍历一个未知XML文档，就需要使用IXMLDOMDocumentPtr的documentElement获得根元素，使用IXMLDOMNodePtr的firstChild、nextSibling成员获得一个节点的所有子节点；使用IXMLDOMNodePtr的nodeType成员来判断节点类型（元素、属性、文本，等等），使用text成员得到文本值，使用nodeName成员得到节点名。还可以使用IXMLDOMDocumentPtr、IXMLDOMNodePtr等的xml成员获得相应的xml字符串。另详细的资料请参考MSXML 4.0 SDK文档。
另外，在程序中动态创建的text节点的text值的数据量大小是有限的，在我的机器上测试发现（默认VC配置），使用256K的数据还正常，但使用512K的数据时就Stack Overflow了。但是，加载XML文档时是没有问题的，其数据量并不受此限制。
最后，在你使用MSXML DOM时，请清醒地认识到它在内部是一颗树的表示，任何数据都是以节点形式存在的。That’s all！