XML解析简介及Xerces-C++简单使用举例

XML是由World WideWeb联盟(W3C)定义的元语言。它已经成为一种通用的数据交换格式，它的平台无关性，语言无关性，系统无关性，给数据集成与交互带来了极大的方便。XML在不同的语言里解析方式都是一样的，只不过实现的语法不同而已。

XML本身只是以纯文本对数据进行编码的一种格式，要想利用XML，或者说利用XML文件中所编码的数据，必须先将数据从纯文本中解析出来，因此，必须有一个能够识别XML文档中信息的解析器，用来解释XML文档并提取其中的数据。然而，根据数据提取的不同需求，又存在着多种解析方式，不同的解析方式有着各自的优缺点和适用环境。选择合适的XML解析技术能够有效提升应用系统的整体性能。

所有的XML处理都从解析开始，无论是使用XSLT或Java语言，第一步都是要读入XML文件，解码结构和检索信息等等，这就是解析，即把代表XML文档的一个无结构的字符序列转换为满足XML语法的结构化组件的过程。

XML基本的的解析方式主要有两种：SAX(Simple API for XML)和DOM(Document ObjectModel)。

SAX是基于事件流的解析。SAX处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上，应用程序甚至不必解析整个文档，它可以在某个条件得到满足时停止解析。一般来说，SAX还比它的替代者DOM快很多。SAX解析器采用了基于事件的模型，它在解析XML文档的时候可以触发一系列的事件，当发现给定的tag的时候，它可以激活一个回调方法，告诉该方法制定的标签已经找到。SAX对内存的要求通常会比较低，因为它让开发人员来决定所要处理的tag。特别是当开发人员只需要处理文档中所包含的部分数据时，SAX这种扩展能力得到了更好的体现。但用SAX解析器的时候编码工作会比较困难，而且很难同时访问同一个文档中的多处不同数据。优点：(1)、不需要等待所有数据都被处理，分析就能立即开始；(2)、只在读取数据时检查数据，不需要保存在内存中；(3)、可以在某个条件得到满足时停止解析，不必解析整个文档；(4)、效率和性能较高，能解析大于系统内存的文档。缺点：(1)、需要应用程序自己负责TAG的处理逻辑(例如维护父/子关系等)，文档越复杂程序就越复杂；(2)、单向导航，无法定位文档层次，很难同时访问同一文档的不同部分数据，不支持XPath。

DOM是用与平台和语言无关的方式表示XML文档的官方W3C标准。DOM是以层次结构组织的节点或信息片段的集合。这个层次结构允许开发人员在树中寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构，然后才能做任何工作。由于它是基于信息层次的，因而DOM被认为是基于树或基于对象的。优点：(1)、允许应用程序对数据和结构做出更改；(2)、访问是双向的，可以在任何时候在树中上下导航，获取和操作任意部分的数据。缺点：通常需要加载整个XML文档来构造层次结构，消耗资源大。

基于C/C++语言的XML解析库包括：

(1)、Expat：http://www.libexpat.org/ ；

(2)、die-xml：https://code.google.com/p/die-xml/；

(3)、Xerces-C++：http://xerces.apache.org/xerces-c/index.html；

(4)、TinyXml：http://www.grinninglizard.com/tinyxml/；

Xerces-C++的编译和使用：

1、 从http://xerces.apache.org/xerces-c/download.cgi#verify下载 xerces-c-3.1.1.zip 源代码，并解压缩；

2、 用vs2010打开xerces-c-3.1.1\projects\Win32\VC10\xerces-all目录下的xerces-all.sln；

3、 分别选择SolutionConfigurations、Solution Platforms中相关项，然后选中Solution ‘xerces-all’，-->单击右键，选择执行Rebuild Solution，会在/Build/Win32/VC10目录下生成相应的动态库和静态库，这里选择Static Debug/xerces-c_static_3D.lib和Static Release/xerces-c_static_3.lib进行测试；

4、在’xerces-all’工作空间的基础上新建一个TestXerces工程，选中此工程，分别在Debug和Release下，工程属性(1)、Configuration Properties -->Character Set:Use Unicode Character Set; (2)、C/C++-->General-->Additional Include Directories: ../../../../../src ，C/C++ -->Prerocessor中加入：

_CRT_SECURE_NO_DEPRECATE
_WINDOWS
XERCES_STATIC_LIBRARY
XERCES_BUILDING_LIBRARY
XERCES_USE_TRANSCODER_WINDOWS
XERCES_USE_MSGLOADER_INMEMORY
XERCES_USE_NETACCESSOR_WINSOCK
XERCES_USE_FILEMGR_WINDOWS
XERCES_USE_MUTEXMGR_WINDOWS
XERCES_PATH_DELIMITER_BACKSLASH
HAVE_STRICMP
HAVE_STRNICMP
HAVE_LIMITS_H
HAVE_SYS_TIMEB_H
HAVE_FTIME
HAVE_WCSUPR
HAVE_WCSLWR
HAVE_WCSICMP
HAVE_WCSNICMP

stdafx.h:

#pragma once

#include "targetver.h"

#include <stdio.h>

#include "xercesc/util/PlatformUtils.hpp"
#include "xercesc/util/XMLString.hpp"
#include "xercesc/dom/DOM.hpp"
#include "xercesc/util/OutOfMemoryException.hpp"
#include "xercesc/util/TransService.hpp"
#include "xercesc/parsers/SAXParser.hpp"
#include "xercesc/sax/HandlerBase.hpp"
#include "xercesc/framework/XMLFormatter.hpp"

stdafx.cpp:

#include "stdafx.h"

// TODO: reference any additional headers you need in STDAFX.H
// and not in this file
#ifdef _DEBUG
#pragma comment(lib, "../../../../../Build/Win32/VC10/Static Debug/xerces-c_static_3D.lib")
#else
#pragma comment(lib, "../../../../../Build/Win32/VC10/Static Release/xerces-c_static_3.lib")
#endif

TestXerces.cpp:

#include "stdafx.h"
#include <iostream>

using namespace std;

XERCES_CPP_NAMESPACE_USE

class XStr
{
public :
// -----------------------------------------------------------------------
//  Constructors and Destructor
// -----------------------------------------------------------------------
XStr(const char* const toTranscode)
{
// Call the private transcoding method
fUnicodeForm = XMLString::transcode(toTranscode);
}

~XStr()
{
XMLString::release(&fUnicodeForm);
}

// -----------------------------------------------------------------------
//  Getter methods
// -----------------------------------------------------------------------
const XMLCh* unicodeForm() const
{
return fUnicodeForm;
}

private :
// -----------------------------------------------------------------------
//  Private data members
//
//  fUnicodeForm
//      This is the Unicode XMLCh format of the string.
// -----------------------------------------------------------------------
XMLCh*   fUnicodeForm;
};

#define X(str) XStr(str).unicodeForm()

/*
* This sample illustrates how you can create a DOM tree in memory.
* It then prints the count of elements in the tree.
*/
int CreateDOMDocument()
{
// Initialize the XML4C2 system.
try {
XMLPlatformUtils::Initialize();
} catch(const XMLException& toCatch) {
char *pMsg = XMLString::transcode(toCatch.getMessage());
XERCES_STD_QUALIFIER cerr << "Error during Xerces-c Initialization.\n"
<< "  Exception message:"
<< pMsg;
XMLString::release(&pMsg);
return 1;
}

// Watch for special case help request
int errorCode = 0;

/*{
XERCES_STD_QUALIFIER cout << "\nUsage:\n"
"    CreateDOMDocument\n\n"
"This program creates a new DOM document from scratch in memory.\n"
"It then prints the count of elements in the tree.\n"
<< XERCES_STD_QUALIFIER endl;
errorCode = 1;
}*/
if(errorCode) {
XMLPlatformUtils::Terminate();
return errorCode;
}

{
//  Nest entire test in an inner block.
//  The tree we create below is the same that the XercesDOMParser would
//  have created, except that no whitespace text nodes would be created.

// <company>
//     <product>Xerces-C</product>
//     <category idea='great'>XML Parsing Tools</category>
//     <developedBy>Apache Software Foundation</developedBy>
// </company>
DOMImplementation* impl =  DOMImplementationRegistry::getDOMImplementation(X("Core"));

if (impl != NULL) {
try {
DOMDocument* doc = impl->createDocument(
0,                    // root element namespace URI.
X("company"),         // root element name
0);                   // document type object (DTD).

DOMElement* rootElem = doc->getDocumentElement();

DOMElement*  prodElem = doc->createElement(X("product"));
rootElem->appendChild(prodElem);

DOMText*    prodDataVal = doc->createTextNode(X("Xerces-C"));
prodElem->appendChild(prodDataVal);

DOMElement*  catElem = doc->createElement(X("category"));
rootElem->appendChild(catElem);

catElem->setAttribute(X("idea"), X("great"));

DOMText*    catDataVal = doc->createTextNode(X("XML Parsing Tools"));
catElem->appendChild(catDataVal);

DOMElement*  devByElem = doc->createElement(X("developedBy"));
rootElem->appendChild(devByElem);

DOMText*    devByDataVal = doc->createTextNode(X("Apache Software Foundation"));
devByElem->appendChild(devByDataVal);

//
// Now count the number of elements in the above DOM tree.
//
const XMLSize_t elementCount = doc->getElementsByTagName(X("*"))->getLength();
XERCES_STD_QUALIFIER cout << "The tree just created contains: " << elementCount
<< " elements." << XERCES_STD_QUALIFIER endl;

doc->release();
} catch (const OutOfMemoryException&) {
XERCES_STD_QUALIFIER cerr << "OutOfMemoryException" << XERCES_STD_QUALIFIER endl;
errorCode = 5;
} catch (const DOMException& e) {
XERCES_STD_QUALIFIER cerr << "DOMException code is:  " << e.code << XERCES_STD_QUALIFIER endl;
errorCode = 2;
} catch (...) {
XERCES_STD_QUALIFIER cerr << "An error occurred creating the document" << XERCES_STD_QUALIFIER endl;
errorCode = 3;
}
} else{// (inpl != NULL)
XERCES_STD_QUALIFIER cerr << "Requested implementation is not supported" << XERCES_STD_QUALIFIER endl;
errorCode = 4;
}
}

XMLPlatformUtils::Terminate();
return errorCode;
}

// ---------------------------------------------------------------------------
//  This is a simple class that lets us do easy (though not terribly efficient)
//  transcoding of XMLCh data to local code page for display.
// ---------------------------------------------------------------------------
class StrX
{
public :
// -----------------------------------------------------------------------
//  Constructors and Destructor
// -----------------------------------------------------------------------
StrX(const XMLCh* const toTranscode)
{
// Call the private transcoding method
fLocalForm = XMLString::transcode(toTranscode);
}

~StrX()
{
XMLString::release(&fLocalForm);
}

// -----------------------------------------------------------------------
//  Getter methods
// -----------------------------------------------------------------------
const char* localForm() const
{
return fLocalForm;
}

private :
// -----------------------------------------------------------------------
//  Private data members
//
//  fLocalForm
//      This is the local code page form of the string.
// -----------------------------------------------------------------------
char*   fLocalForm;
};

inline XERCES_STD_QUALIFIER ostream& operator<<(XERCES_STD_QUALIFIER ostream& target, const StrX& toDump)
{
target << toDump.localForm();
return target;
}

int SAXPrint()
{
// ---------------------------------------------------------------------------
//  Local data
//
//  doNamespaces
//      Indicates whether namespace processing should be enabled or not.
//      Defaults to disabled.
//
//  doSchema
//      Indicates whether schema processing should be enabled or not.
//      Defaults to disabled.
//
//  schemaFullChecking
//      Indicates whether full schema constraint checking should be enabled or not.
//      Defaults to disabled.
//
//  encodingName
//      The encoding we are to output in. If not set on the command line,
//      then it is defaulted to LATIN1.
//
//  xmlFile
//      The path to the file to parser. Set via command line.
//
//  valScheme
//      Indicates what validation scheme to use. It defaults to 'auto', but
//      can be set via the -v= command.
// ---------------------------------------------------------------------------
static bool                     doNamespaces        = false;
static bool                     doSchema            = false;
static bool                     schemaFullChecking  = false;
static const char*              encodingName    = "LATIN1";
static XMLFormatter::UnRepFlags unRepFlags      = XMLFormatter::UnRep_CharRef;
static char*                    xmlFile         = 0;
static SAXParser::ValSchemes    valScheme       = SAXParser::Val_Auto;

// Initialize the XML4C2 system
try {
XMLPlatformUtils::Initialize();
} catch (const XMLException& toCatch) {
XERCES_STD_QUALIFIER cerr << "Error during initialization! :\n"
<< StrX(toCatch.getMessage()) << XERCES_STD_QUALIFIER endl;
return 1;
}

xmlFile = "../../../../../samples/data/personal-schema.xml";
int errorCount = 0;

//
//  Create a SAX parser object. Then, according to what we were told on
//  the command line, set it to validate or not.
//
SAXParser* parser = new SAXParser;
parser->setValidationScheme(valScheme);
parser->setDoNamespaces(doNamespaces);
parser->setDoSchema(doSchema);
parser->setHandleMultipleImports (true);
parser->setValidationSchemaFullChecking(schemaFullChecking);

//
//  Create the handler object and install it as the document and error
//  handler for the parser-> Then parse the file and catch any exceptions
//  that propogate out
//
int errorCode = 0;
try {
//SAXPrintHandlers handler(encodingName, unRepFlags);
//parser->setDocumentHandler(&handler);
//parser->setErrorHandler(&handler);
parser->parse(xmlFile);
errorCount = parser->getErrorCount();
} catch (const OutOfMemoryException&) {
XERCES_STD_QUALIFIER cerr << "OutOfMemoryException" << XERCES_STD_QUALIFIER endl;
errorCode = 5;
} catch (const XMLException& toCatch) {
XERCES_STD_QUALIFIER cerr << "\nAn error occurred\n  Error: "
<< StrX(toCatch.getMessage())
<< "\n" << XERCES_STD_QUALIFIER endl;
errorCode = 4;
}

if(errorCode) {
XMLPlatformUtils::Terminate();
return errorCode;
}

//
//  Delete the parser itself.  Must be done prior to calling Terminate, below.
//
delete parser;

// And call the termination method
XMLPlatformUtils::Terminate();

if (errorCount > 0)
return 4;
else
return 0;

return 0;
}

int main(int argc, char* argv[])
{
CreateDOMDocument();

SAXPrint();

cout<<"ok!"<<endl;

return 0;
}