用perl XML::Simple解析XML檔案

在Perl中解析XML的方法最常見的就是使用 XML::DOM 和 XML::Simple了。 XML::DOM過於龐大，而且解析結果是一個DOM樹，操作也不方便。對於小型且不複雜的XML檔案，XML::DOM真是殺雞用牛刀。這時就輪到輕便的XML::Simple上場了。

XML::Simple如其名，真的很簡單。假設XML內容如下：

<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>

那麼只需這樣寫：

use XML::Simple;use Data::Dumper;$xml = XMLin('sample.xml');print Dumper($xml);

就可以輕而易舉地將XML解析成一個hash，然後用foreach依次處理即可。

 

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

可以發現如下規律：

• 元素的標籤名被用於hash的key。
• 單個元素的內容作為hash的value，多個重複的元素的內容被放到一個數組引用中作為hash的value
• 屬性和子項目都以hash的key=>value對出現在元素的內容中

一個問題是，對單個元素和多個重複元素的處理結果不一致，就會導致foreach處理時比較麻煩（需要區分是標量還是數組引用），如上面的 text 和 user 的值。解決方案是添加選項 ForceArray => 1，就可以強制單個元素也放到數組引用中。

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

運行結果（部分）：

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

另一個問題是，如果你的元素屬性中包含id、name或key，那麼元素就不再放到數組引用中，而是放到 hash引用中。比如下面的XML，注意與上面的結果的區別：

<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的內容不再是數組引用，而是hash引用，而id='grep'也變成了key存在。

要想禁用這個功能，應當指定選項 KeyAttr => ''。這個選項就是說，解析時應該把哪些屬性作為hash的key來使用，預設值是['id', 'name', 'key']。

在XML::Simple的文檔中，所有的選項都有詳細說明，而KeyAttr和ForceArray選項被標為important，可見它們是多麼常用了。