C++解析XML方法的研究和實(shí)現(xiàn)

王超 鄭清

（成都理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，四川成都610059）

1.XML簡(jiǎn)介

可擴(kuò)展標(biāo)記語(yǔ)言(Extensible Markup Language，XML)，用于標(biāo)記電子文件使其具有結(jié)構(gòu)性的標(biāo)記語(yǔ)言，可以用來(lái)標(biāo)記數(shù)據(jù)、定義數(shù)據(jù)類(lèi)型，是一種允許用戶(hù)對(duì)自己的標(biāo)記語(yǔ)言進(jìn)行定義的源語(yǔ)言。XML是標(biāo)準(zhǔn)通用標(biāo)記語(yǔ)言(SGML)的子集，非常適合Web傳輸。XML提供統(tǒng)一的方法來(lái)描述和交換獨(dú)立于應(yīng)用程序或供應(yīng)商的結(jié)構(gòu)化數(shù)據(jù)，是獨(dú)立于軟件和硬件的信息傳輸工具。

XML與HTML的設(shè)計(jì)區(qū)別是：XML是用來(lái)存儲(chǔ)數(shù)據(jù)的，重在數(shù)據(jù)本身。而HTML是用來(lái)定義數(shù)據(jù)的，重在數(shù)據(jù)的顯示模式。HTML旨在顯示信息，而XML旨在傳輸信息。因此與HTML比起來(lái)，XML應(yīng)用起來(lái)更方便，用戶(hù)可以根據(jù)自己得需要存儲(chǔ)數(shù)據(jù)，而無(wú)需顧慮格式，XML只要求鍵值對(duì)成對(duì)出現(xiàn)，并按照樹(shù)狀結(jié)果存儲(chǔ)即可。XML允許創(chuàng)作者定義自己的標(biāo)簽和自己的文檔結(jié)構(gòu)。

2.C++輕量級(jí)解析器Tinyxml

提到用C++解析XML，就不得不提起Tinyxml。Tinyxml是一個(gè)基于DOM模型的、非驗(yàn)證的輕量級(jí)C++解釋器。眾所周知，目前XML的解析主要有兩大模型：SAX和DOM。

其中SAX是基于事件的，其基本工作流程是分析XML文檔，當(dāng)發(fā)現(xiàn)了一個(gè)新的元素時(shí)，產(chǎn)生一個(gè)對(duì)應(yīng)事件，并調(diào)用相應(yīng)的用戶(hù)處理函數(shù)。這種方式占用內(nèi)存少，速度快，但用戶(hù)程序相應(yīng)會(huì)比較復(fù)雜。而DOM（文檔對(duì)象模型），則是在分析時(shí)，一次性地將整個(gè)XML文檔進(jìn)行分析，并在內(nèi)存中形成對(duì)應(yīng)的樹(shù)結(jié)構(gòu)，同時(shí)，向用戶(hù)提供一系列的接口來(lái)訪(fǎng)問(wèn)和編輯該樹(shù)結(jié)構(gòu)。這種方式占用內(nèi)存大，速度往往慢于SAX，但可以給用戶(hù)提供一個(gè)面向?qū)ο蟮脑L(fǎng)問(wèn)接口，對(duì)用戶(hù)更為友好。那何為驗(yàn)證和為非驗(yàn)證呢？首先一個(gè)合格的XML文檔必須符合其基本的格式要求。例如第一行要有聲明，標(biāo)簽的嵌套層次必須前后一致等等。解析器也分為兩種，一種是驗(yàn)證的，即會(huì)跟據(jù)XML文件中的聲明，用相應(yīng)的DTD文件對(duì)XML文件進(jìn)行校驗(yàn)，檢查它是否滿(mǎn)足DTD文件的要求；另一種是忽略DTD文件，只要基本格式正確，就可以進(jìn)行解析。Tinyxml是不支持驗(yàn)證的，適合解析比較簡(jiǎn)單的XML文件，比如配置文件等。

TinyxML是一個(gè)開(kāi)源的解析XML的解析庫(kù)，所以Tinyxml庫(kù)在網(wǎng)上即可下載，做了相應(yīng)的配置之后我們就可以使用它了。首先先介紹一下Tinyxml主要類(lèi)間的關(guān)系。

TiXm lBase：整個(gè)TinyXML模型的基類(lèi)。

TiXm lAttribute：對(duì)應(yīng)于XML中的元素的屬性。

TiXm lNode：對(duì)應(yīng)于DOM結(jié)構(gòu)中的節(jié)點(diǎn)。

TiXm lComment：對(duì)應(yīng)于XML中的注釋。

TiXm lDeclaration：對(duì)應(yīng)于XML中的申明部分。

TiXm lDocument：對(duì)應(yīng)于XML的整個(gè)文檔。

TiXm lElement：對(duì)應(yīng)于XML的元素。

TiXm lText：對(duì)應(yīng)于XML的文字部分。

TiXm lUnknown：對(duì)應(yīng)于XML的未知部分。

TiXm lHandler：定義了針對(duì)XML的一些操作。

在使用TinyXm l時(shí)有一點(diǎn)需要我們注意，因?yàn)樗遣恢С烛?yàn)證的，所以當(dāng)我們解析某個(gè)文件的時(shí)候，要檢查返回的指針是否為空，否則會(huì)出現(xiàn)內(nèi)存的訪(fǎng)問(wèn)錯(cuò)誤。

3.C++解析XML配置文檔的應(yīng)用研究

C++的開(kāi)發(fā)離不開(kāi)STL（標(biāo)準(zhǔn)模板庫(kù)）的使用。STL（標(biāo)準(zhǔn)模板庫(kù)）是在惠普實(shí)驗(yàn)室中開(kāi)發(fā)的，已納入ANSI/ISO C++標(biāo)準(zhǔn)。其中的代碼采用模板類(lèi)及模板函數(shù)的方式，可以極大地提高編程效率。STL中幾個(gè)關(guān)鍵基本概念是我們必須要知道的。首先是容器：可容納各種數(shù)據(jù)類(lèi)型的數(shù)據(jù)結(jié)構(gòu)。其次是迭代器：可依次存取容器中元素的東西。還有最重要的算法：用來(lái)操作容器中的元素的函數(shù)模板。例如，STL用sort()來(lái)對(duì)一個(gè)vector中的數(shù)據(jù)進(jìn)行排序，用find()來(lái)搜索一個(gè)list中的對(duì)象。而容器分為三大類(lèi)：

(1)順序容器。vector：后部插入/刪除，直接訪(fǎng)問(wèn)；deque：前/后部插入/刪除，直接訪(fǎng)問(wèn)；list：雙向鏈表，任意位置插入/刪除。(2)關(guān)聯(lián)容器。set：快速查找，無(wú)重復(fù)元素；multiset：快速查找，可有重復(fù)元素；map：一對(duì)一映射，無(wú)重復(fù)元素，基于關(guān)鍵字查找；multimap：一對(duì)一映射，可有重復(fù)元素，基于關(guān)鍵字查找。前兩者合稱(chēng)為第一類(lèi)容器。3)容器適配器。stack：LIFO；queue：FIFO；priority_queue：優(yōu)先級(jí)高的元素先出。

在使用XML做配置文件的時(shí)候，基于XML的特殊性，我們很容易聯(lián)想到使用關(guān)聯(lián)容器存儲(chǔ)我們解析出來(lái)的數(shù)據(jù)。而map無(wú)疑是我們最好的選擇。我們將從XML讀出來(lái)的配置信息存放在map中。map中存放的是成對(duì)的key/value。根據(jù)key對(duì)元素進(jìn)行排序，可快速地檢索元素。當(dāng)我們要查詢(xún)配置信息的時(shí)候，可以高效地得到我們所需的查詢(xún)結(jié)果。本文就是使用map作為存儲(chǔ)容器，結(jié)合Tinyxml的使用，達(dá)到高效的對(duì)XML配置文檔的解析。應(yīng)用關(guān)鍵代碼如下：

4.總結(jié)

以上程序可以幫助我們讀取XML文檔中第三級(jí)子節(jié)點(diǎn)的信息，我們可以根據(jù)實(shí)際需要增加循環(huán)或者嵌套語(yǔ)句來(lái)讀取更深級(jí)別的節(jié)點(diǎn)信息。通過(guò)以上程序，我們可以看出C++與Tinyxm l相結(jié)合可以幫助我們快速讀取XML文檔中的配置信息，也體現(xiàn)了Tinyxm l最大的特點(diǎn)，即能夠快速地靜態(tài)連接到程序里面。但由于Tinyxm是非驗(yàn)證的，所以我們?cè)趯?shí)際應(yīng)用中要慎重考慮，避免不必要的檢查工作。

[1] 李普曼(Stanley B.Lippman)等.C++Primer中文版[M].李師賢、蔣愛(ài)軍等譯.第4版.北京：人民郵電出版社，2008.

[2] 楊柳青.TinyXml在Linux平臺(tái)中的應(yīng)用研[J].機(jī)械工程與自動(dòng)化，2009(5)：41-43.

[3] 孫曉非等編著.XM L基礎(chǔ)教程與實(shí)驗(yàn)指導(dǎo)[M].清華大學(xué)出版社，2008.