perl脚本——解析xml

在Perl中解析XML的方法最常见的就是使用 XML::DOM 和 XML::Simple了。 XML::DOM过于庞大，而且解析结果是一个DOM树，操作也不方便。对于小型且不复杂的XML文件，XML::DOM真是杀鸡用牛刀。这时就轮到轻便的XML::Simple上场了。

一、使用XML::Simple

XML::Simple如其名，真的很简单。假设XML(sample.xml)内容如下：

<opt>
    <user login="grep" fullname="Gary R Epstein" />
    <user login="stty" fullname="Simon T Tyson" >
        <session pid="12345"/>
    </user>
    <text>This is a test.</text>
</opt>

那么只需这样写：

use XML::Simple;
use Data::Dumper;

$xml = XMLin('sample.xml');
print Dumper($xml);

使用XML::Simple 本身相当简单。XML::Simple 类的每个对象暴露两个方法：XMLin() 和 XMLout()。XMLin() 方法读取一个 XML 文件或字符串，然后将其转换成一个 Perl 表示；XMLout() 方法则正好相反，读取一个 Perl 结构并将其作为一个 XML 文档实例返回。上面的脚本使用XMLin() 方法读取前面创建的“sample.xml”然后将处理结果存储在 $xml 中。然后，$xml 的内容使用Perl 的 Data::Dumper 显示出来。


就可以轻而易举地将XML解析成一个hash，然后用foreach依次处理即可。

$VAR1 = {
          'text' => 'This is a test.',
          'user' => [
                    {
                      'fullname' => 'Gary R Epstein',
                      'login' => 'grep'
                    },
                    {
                      'session' => {
                                   'pid' => '12345'
                                 },
                      'fullname' => 'Simon T Tyson',
                      'login' => 'stty'
                    }
                  ]
        };

可以发现如下规律：

    元素的标签名被用于hash的key。
    单个元素的内容作为hash的value，多个重复的元素的内容被放到一个数组引用中作为hash的value
    属性和子元素都以hash的key=>value对出现在元素的内容中


一个问题是，对单个元素和多个重复元素的处理结果不一致，就会导致foreach处理时比较麻烦（需要区分是标量还是数组引用），如上面的 text 和 user 的值。解决方法是添加选项 ForceArray => 1，就可以强制单个元素也放到数组引用中。

$xml = XMLin('sample.xml', ForceArray => 1);
print Dumper($xml);

运行结果（部分）：

$VAR1 = {
          'text' => [
                    'This is a test.'
                  ],
          'user' => [
......

另一个问题是，如果你的元素属性中包含id、name或key，那么元素就不再放到数组引用中，而是放到 hash引用中。比如下面的XML，注意与上面的结果的区别：

<opt>
    <user id="grep" fullname="Gary R Epstein" />
    <user id="stty" fullname="Simon T Tyson">
        <session pid="12345"/>
    </user>
    <text>This is a test.</text>
</opt>

$VAR1 = {
          'text' => [
                    'This is a test.'
                  ],
          'user' => {
                    'grep' => {
                              'fullname' => 'Gary R Epstein'
                            },
                    'stty' => {
                              'session' => [
                                           {
                                             'pid' => '12345'
                                           }
                                         ],
                              'fullname' => 'Simon T Tyson'
                            }
                  }
        };

user的内容不再是数组引用，而是hash引用，而id='grep'也变成了key存在。

要想禁用这个功能，应当指定选项 KeyAttr => ''。这个选项就是说，解析时应该把哪些属性作为hash的key来使用，默认值是['id', 'name', 'key']。

在XML::Simple的文档中，所有的选项都有详细说明，而KeyAttr和ForceArray选项被标为important，可见它们是多么常用了。



二、使用XML::DOM