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：

[html] view
plaincopy





_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:

[cpp] view
plaincopy





#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:

[cpp] view
plaincopy





#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:

[cpp] view
plaincopy





#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;

}