cexer

cexer
posts - 12, comments - 334, trackbacks - 0, articles - 0
  C++博客 :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理

写了一个mircro XML解析器,附源代码

Posted on 2008-08-22 16:56 cexer 阅读(4417) 评论(20)  编辑 收藏 引用 所属分类: utility

转帖请注明出处 http://www.cppblog.com/cexer/archive/2008/08/18/59285.html

不喜欢看人废话喜欢直奔主题的是同学可以直接: goto 附件下载


  mirco 的意思是比 tiny 还要 tiny。

  GUI 模板用 XML 做是最合适的。方便嵌入脚本,方便编辑修改,方便嵌入皮肤描述,用 XML 做模板,写起 GUI 编辑器也要方便得多。

  以前几个的 GUI 模板解析器用的是 MSXML 来实现的,不过它提供的接口字符串类型全是 BSTR,自己的接口又是 TCHAR*,每一次的调用都会有一次字符串转换,效率很低。而且一想到代码里有 QueryInteface,AddRef,Release ,心里就不踏实,担心吊胆的。

  于是又打算用 TinyXML,看了几遍代码,发现它对宽字符集的支持有些古怪。代码里其它的杂七杂八的东西有点多,代码风格什么的也不大喜欢。

  于是自己写了一个简单的,虽然有错误检测机制,不过没有提供查询接口,因为这样我觉得使接口不整洁。其实要知道 XML 哪里出错了很简单,随便拿个浏览器打开就行了,提示得非常详细。不过以后可能会根据需要添加上。XPATH 支持也是如此。接口函数全部使用 UNICODE。

 

测试代码:

   1: // cexer
   2: #include "./include/XML/xmlfile.h"
   3: #include "./include/XML/xmlelement.h"
   4: #include "./include/XML/xmldeclaration.h"
   5: #include "./include/XML/xmlunknown.h"
   6: #include "./include/XML/xmlcomment.h"
   7: #include "./include/XML/xmltext.h"
   8: #include "./include/XML/xmlattribute.h"
   9:  
  10: using namespace cexer;
  11: using namespace cexer::xml;
  12:  
  13:  
  14: // c++ std
  15: #include <iostream>
  16: using namespace std;
  17:  
  18:  
  19: int wmain( int argc,WCHAR** argv )
  20: {
  21:     wcout.imbue( std::locale("chs") );
  22:  
  23:     XmlFile document( L"./XMLs/utf16le_ns.xml" );
  24:     if ( !document.load() )
  25:     {
  26:         wcout<<L"解析失败"<<endl;
  27:         return 0;
  28:     }
  29:  
  30:     XmlElement* root = document.element();
  31:     if ( !root )
  32:     {
  33:         wcout<<L"没有找到根结点"<<endl;
  34:         return 0;
  35:     }
  36:  
  37:     wcout<<root->name()<<endl;
  38:  
  39:  
  40:     XmlNode* firstChild = root->firstChild();
  41:     if ( !firstChild )
  42:     {
  43:         wcout<<L"没有子结点"<<endl;
  44:         return 0;
  45:     }
  46:  
  47:     XmlDeclaration* declar = xml_cast<XmlDeclaration*>( firstChild );
  48:     if ( !declar )
  49:     {
  50:         wcout<<L"第一个子结点不是声明"<<endl;
  51:     }
  52:     else
  53:     {
  54:         wcout<<L"第一个节点是声明"<<endl;
  55:         wcout<<L"version = "<<declar->version()<<endl;
  56:         wcout<<L"encoding = "<<declar->encoding()<<endl;
  57:         wcout<<L"standalone = "<<declar->standalone()<<endl;
  58:     }
  59:  
  60:     XmlComment* comment = xml_cast<XmlComment*>( firstChild->next() );
  61:     if ( !comment )
  62:     {
  63:         wcout<<L"第二个子结点不是注释"<<endl;
  64:     }
  65:     else
  66:     {
  67:         wcout<<L"第二个结点是注释:"<<comment->value()<<endl;
  68:     }
  69:  
  70:     XmlElement* window = root->element( L"window" );
  71:     if ( !window )
  72:     {
  73:         wcout<<L"没有找到window元素结点"<<endl;
  74:         return 0;
  75:     }
  76:     wcout<<window->attributeValue( L"text" )<<endl;
  77:  
  78:  
  79:     XmlElement* nextWindow = window->nextElement( L"window" );
  80:     if ( !nextWindow )
  81:     {
  82:         wcout<<L"没有找到后面的window元素结点"<<endl;
  83:     }
  84:     else
  85:     {
  86:         wcout<<L"后面还有一个window元素结点 ";
  87:         wcout<<nextWindow->attributeValue(_T("name"))<<endl;
  88:     }
  89:  
  90:     XmlElement* panel = window->element( L"panel" );
  91:     if ( panel )
  92:     {
  93:         wcout<<panel->attributeValue( L"caption" )<<endl;
  94:     }
  95:  
  96:     window->setAttribute( L"styleAdd",L"WS_VISIBLE" );
  97:     window->setAttribute( L"styleRemove",L"\";<>=&\"" );
  98:  
  99:     if ( !document.save( L"./XMLs/modified/utf16le_ns.xml" ) )
 100:     {    
 101:         wcout<<L"保存失败"<<endl;
 102:     }
 103:  
 104:     return 0;
 105: }

 

编码支持:

  因为内部使用 MultiBytesToWideChar 和 WideCharToMultiBytes 来实现字符集/编码的操作,因此对字符集/编码的支持很灵活,能够支持以上两个函数支持的所有编码,只需简单的修改即可添加新的支持。预置了几种编码支持:

  1. UTF-16LE(UNICODE)
  2. GBK
  3. BIG5
  4. GB2312
  5. UTF-7
  6. UTF-8

  对于没有编码声明并且没有文件头签名文件,都视为 UTF-8 编码。以上的代码当中的 XML 文件就是一个没有签名,没有声明的 UTF-16LE 编码的 XML 文件。

  TinyXML 内部解析字符串全是以 char*  类型来解析,只支持多字节编码如 UTF-8,ASCII,不支持 UNICODE 编码。如对中文的支持就比较古怪,如果 XML 以 UTF-8 格式保存,则设置“值”的时候必须自己把字符串转换为 UTF-8 再设置,而在取得值以后,则必须自己将它们从 UTF-8 转换成 UNICODE 或 ASCII,否则就是乱码。

  主要是 TinyXML 为了跨平台,所以没有像 MultiBytesToWideChar  和 WideCharToMultiBytes  这种函数的直接支持。不过如果是为了跨平台,这两个函数也可以考虑自己实现。

 

节点类型转换:

  因为在内存当中,元素,注释,文本,声明等结点都是存储为一个基类的指针,因此在使用的时候必须要有一个类型转换的动作。也有一些 XML 解析器比较简单,其中只有文档,元素,属性这三种结点,内存当中存的全部都是元素集合,元素当中再存有属性集合,用不着类型转换,不过这种 XML 将 XML 读入内存再存入磁盘文件当中时,会丢失掉 XML 文件原有的格式。

  TinyXML 在内存当中所有的结点(除属性)都以基类 TiXmlNode 指针的形式存放 ,从一个 TiXmlNode* 进行类型转的方法是这样的:

  首先在基 TiXmlBase 声明一组虚函数

   1: class TiXmlNode
   2: {
   3:     virtual TiXmlDocument*   ToDocument()    { return 0; }
   4:     virtual TiXmlElement*    ToElement()        { return 0; }
   5:     virtual TiXmlComment*    ToComment()     { return 0; }
   6:     virtual TiXmlUnknown*    ToUnknown()        { return 0; }
   7:     virtual TiXmlText*       ToText()        { return 0; }
   8:     virtual TiXmlDeclaration*    ToDeclaration() { return 0; }
   9: };

 
  然后在子类当中各自重写向自己类型转换的那一个虚函数。如在 XmlElement 和 XmlComment 当中:

   1: class XmlElement
   2: {
   3:     virtual TiXmlElement*    ToElement()        { return this; }
   4: };
   5:  
   6: class XmlComment
   7: {
   8:     virtual TiXmlComment*    ToComment()     { return this; }
   9: };


  这样做很方便,不过如果要写一个新的 XML 结点类型,就比较麻烦了,必须重新修改基类 TiXmlNode 的代码,整个 XML 解析器的代码都得重新编译一遍。

  我则借用了 COM 的 Queryinterface 的方式。在基类 XmlCastable 当中声明了一个虚函数 query,任意结点调用这个函数,输入一个类型,若该结点是这个类型,那么就输出指针的值并返回 true,否则输出 NULL 并返回 false。

   1: class XmlCastable
   2: {
   3:     virtual bool query( XmlType destType,void** ppvoid ) = 0;
   4: };
   5:  


  如在 XmlNamedNode  当中:

   1: bool XmlNamedNode::query( XmlType type,void** pptr )
   2: {
   3:     if ( !pptr )
   4:     {
   5:         return false;
   6:     }
   7:  
   8:     *pptr = NULL;
   9:  
  10:     if ( XmlNamedNode::s_type == type )
  11:     {
  12:         *pptr = this;
  13:         return true;
  14:     }
  15:  
  16:     return false;
  17: }


  不过这样使用起来会相当地麻烦,所以写了一个辅助函数 xml_cast,可以对 XmlNode* 这样调用:

   1: XmlNode* node = ...;
   2: XmlElement* element = xml_cast<XmlElement*>( node );
   3: XmlComment* comment = xml_cast<XmlComment*>( node );


类结构:

   1: // 给函数 xml_cast 提供结点类型的转换能力
   2: class XmlCastable
   3: {...};
   4:  
   5: // 除了属性结点(XmlAttribute)外,所有结点类型的基础
   6: class XmlNode:public XmlCastable
   7: {...};
   8:  
   9: // 含有子结点的结点如:元素(XmlElement),文档(XmlDocument)
  10: class XmlParentNode:public XmlNode
  11: {...};
  12:  
  13: // 有名字的结点如:元素(XmlElement),属性(XmlAttribute)
  14: class XmlNamedNode:public XmlCastable
  15: {...};
  16:  
  17: // 有值的结点如:属性(XmlAttribute),文本(XmlText),注释(XmlComment),未知(XmlUnknown)
  18: class XmlValueNode:public XmlCastable
  19: {...};
  20:  
  21:  
  22: // XML声明 <?xml ..... ?>
  23: class XmlDeclaration:public XmlNode
  24: {...};
  25:  
  26:  
  27: // XML注释结点<!-- ..... -->
  28: class XmlComment:public XmlNode
  29:                  ,public XmlValueNode
  30: {...};
  31:  
  32:  
  33: // XML文本结点 [文本] 及 <![CDATA[...]]>
  34: class XmlText:public XmlNode
  35:               ,public XmlValueNode
  36: {...};
  37:  
  38: // XML文档结点
  39: class XmlDocument:public XmlParentNode
  40: {...};
  41:  
  42: // XML元素结点
  43: class XmlElement:public XmlParentNode
  44:                  ,public XmlNamedNode
  45: {...};
  46:  
  47: // XML元素属性
  48: class XmlAttribute:public XmlNamedNode
  49:                    ,public XmlValueNode
  50: {...};
  51:  
  52: // 解析器暂不支持的XML结点如
  53: //    <!DOCTYPE PLAY SYSTEM 'play.dtd'>
  54: //    <!ELEMENT title (#PCDATA)>
  55: //    <!ELEMENT books (title,authors)>
  56: class XmlUnknown:public XmlNode
  57:                  ,public XmlValueNode
  58: {...};
  59:  
  60:  


附件下载:

  从 cexer 的库当中把 xml 解析器剥离出来放上来。希望大家也都积极踊跃地共享代码。(注:还没有怎么详细测试,切不可用于重要的项目如国防工程火箭发射工程之类的,崩溃死机核弹爆炸什么的本人概不负责。。。。)

点击下载

Feedback

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 17:55 by 陈梓瀚(vczh)
http://www.cppblog.com/vczh/archive/2008/06/28/54871.html

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 18:00 by 陈梓瀚(vczh)
话说我的库的接口完全是Utf-16字符串的,然后我有一个Mbcs字符串类,俩能互转。所以用我的库的人要么用Utf-16,要么在每一个参数和返回值那里都去转。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 18:01 by cexer
@陈梓瀚(vczh)
真是牛人,不过你的代码风格我不喜欢哈。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 18:02 by cexer
@陈梓瀚(vczh)
话说我的库的接口完全是Utf-16字符串的,然后我有一个Mbcs字符串类,俩能互转。所以用我的库的人要么用Utf-16,要么在每一个参数和返回值那里都去转。

一样的哈。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 18:04 by 陈梓瀚(vczh)
我的库一开始的目的是仅给我个人用的。后来发exe和screenshoot发多了,有一些愤青喷我说没发代码纯属炫耀,虽然对于这些人他们需要的是一个代码的链接,而不是一份代码。我就只好那么干了。因此风格是我自己私底下用的那一套,这是历史原因。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 18:15 by 陈梓瀚(vczh)
话说dynamic_cast<>在失败的时候也是返回0,你自己写一个难道是为了效率?还是怕编译器被关掉RTTI?还是其他的什么东西。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 19:00 by cexer
@陈梓瀚(vczh)
效率问题。dynamic_cast<>的比较的效率和字符串比较差不多,因此。。。不过想换成使用dynamic_cast<>也容易,直接
#define xml_cast dynamic_cast
就行了。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 20:33 by 空明流转
@陈梓瀚(vczh)
你那个历史问题还是解决得好,要不我用你代码要替换vl真是替换的欲死欲活啊。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 21:13 by cexer
@空明流转
系统怀疑你灌水,乱棒打出!

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-22 21:38 by foxtail
就是阿,他搞个vl做什么,囧@空明流转

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-23 00:58 by 陈梓瀚(vczh)
因为我要强调我是因为那些愤青才开源的

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-23 08:35 by 空明流转
你只要这个代码不卖钱,还是开源的好。
我拿去贴代码还是方便许多。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-23 08:38 by 空明流转
话说文本解析本来就不那么快,不在乎dynamic_cast那点时间的。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-23 11:43 by cexer
@空明流转
节点的类型转换都是在解析完成以后的啊。如果是在循环当中用dynamic_cast,效率还是挺低的。

# re: 写了一个mircro XML解析器,附源代码[未登录]  回复  更多评论   

2008-08-24 10:28 by Kevin Lynx
cppblog人才辈出,不敢说话了。
我是真的来灌水......

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-24 15:24 by 戴尔笔记本
 GUI 模板用 XML 做的确是最合适的。因为方便嵌入脚本,

# re: 写了一个mircro XML解析器,附源代码[未登录]  回复  更多评论   

2008-08-25 10:09 by 陈梓瀚(vczh)
要是想写脚本的话直接HTML好了。你要是为了界面而往C++里面加个脚本引擎,完全是得不偿失。

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2008-08-25 11:28 by cexer
@陈梓瀚(vczh)
曾经实现过类似HTML的,加了上脚本引擎,可配置能力和二次开发能力大大增强,用处还是很大的。

# re: 写了一个mircro XML解析器,附源代码[未登录]  回复  更多评论   

2008-08-25 14:17 by 陈梓瀚(vczh)
嗯嗯,基于这一点考虑我做了vczh free script 2.0,而不是做一个script for GUI framework……

# re: 写了一个mircro XML解析器,附源代码  回复  更多评论   

2009-01-08 16:36 by 陈昕
报告个bug,保存成UTF16文件的时候头部字节错了,和读取时的不一样,并且IE打不开保存的文件.改成和读取时的一样就好了.

只有注册用户登录后才能发表评论。
网站导航: 博客园   IT新闻   BlogJava   知识库   博问   管理