基于Tingxml的XML數(shù)據(jù)解析方法研究

張沖

摘 要：XML是一種僅基于普通文本卻可以實現(xiàn)任何兩個應(yīng)該程序間的數(shù)據(jù)共享的文本語言。本文在簡單介紹XML的基礎(chǔ)上，通過c++解析器Tingxml實現(xiàn)c++對多值多屬性XML文件的讀取和存儲，并對Tingxml解析器在ASCII（多字節(jié)字符集）項目中讀取XML過程中出現(xiàn)的不支持中文字符問題進行解決。

關(guān)鍵詞：XML；Tingxml；中文字符；STL

1 XML簡介

可擴展性標記語言（Extensible Markup Language，簡稱XML）是W3C（World Wide Web Consortium）定義的一種程序間數(shù)據(jù)傳輸和交換的標準語言，為不同應(yīng)用程序間的數(shù)據(jù)傳輸和交換提供了一種簡單的方法[1]。XML獨立于任何語言和體系結(jié)構(gòu)，是一種靈活的不局限于任何特定模式的半結(jié)構(gòu)化文本數(shù)據(jù)，無需顧慮格式，只要求標簽的成對出現(xiàn)并按照樹狀結(jié)構(gòu)存儲即可，所以能很好的表達數(shù)據(jù)本身，適合進行數(shù)據(jù)的存儲和傳遞，可以用來描述各種復(fù)雜信息。

2 C++XML解析器（Tingxml）

XML的解析技術(shù)作為其應(yīng)用的基礎(chǔ)，一直是XML的研究熱點[2]。由于c++中本身未包含解析XML的函數(shù)庫，所以當c++需要對XML進行解析時常使用c++XML解析器來完成。

本文主要介紹基于Tingxml解析器的c++XML解析，Tingxml是一個基于DOM模型的輕量級XML解析器，其模型通過解析XML，在內(nèi)存中生成DOM模型，將整個文檔分成多個元素（如書、章、節(jié)、段等），并利用樹型結(jié)構(gòu)表示這些元素之間的順序關(guān)系以及嵌套包含關(guān)系，從而讓我們很方便的遍歷這棵XML樹。

整個Tingxml解析庫的構(gòu)成主要由DOM模型類和操作類構(gòu)成。DOM模型類包括：TiXMLBase（模型基類）、TiXMLAttribute（元素屬性類）、TiXMLNode（應(yīng)用于DOM結(jié)構(gòu)節(jié)點）、TiXMLComment（XML中的注釋類）、TiXMLDeclaration（應(yīng)用于XML的聲明，即<？versiong="1.0" ？> ）、TiXMLDocument（文檔類）、TiXMLElement（元素類）、TiXMLText（文字類）、TiXMLUnknown（應(yīng)用于XML的位置部分）。操作類主要是TiXMLHandler類，定義了對XML的操作。Tingxml由兩個頭文件（.h文件）和四個CPP文件（.cpp文件）構(gòu)成，只要將其導(dǎo)入工程就可以使用其進行XML的解析。

3 XML的數(shù)據(jù)解析

（1）含多種類型數(shù)據(jù)XML的數(shù)據(jù)解析

考慮到XML包含數(shù)據(jù)的多樣性并結(jié)合Tingxml解析庫自身的特點，本文利用STL（標準模板庫）中的順序存儲容器（vector）、關(guān)聯(lián)存儲容器（map）和結(jié)構(gòu)體相互嵌套的方法來對解析得到的數(shù)據(jù)進行存儲，實現(xiàn)對多值多屬性XML文檔的數(shù)據(jù)存儲。

STL（標準模板庫）是C++開發(fā)中用于數(shù)據(jù)存儲所必不可少的函數(shù)庫，其中的存儲容器包括：向量（vector）；列表（list）；集合（set）；映射（map）等[3]。

在對XML進行數(shù)據(jù)解析的時候，基于XML的特性，我們很容易可以想到去使用關(guān)聯(lián)容器來對解析出來的數(shù)據(jù)進行存儲。但STL庫中的關(guān)聯(lián)容器映射（map）中的key/value存儲方式僅能滿足數(shù)據(jù)名和數(shù)據(jù)值得存儲，當XML的一個節(jié)點上含有多個屬性和多個值時僅用map是無法滿足使用需要的。為此，本文采用vector、結(jié)構(gòu)體和map相嵌套的方法實現(xiàn)單個節(jié)點含有多個屬性和多個值的XML的解析，并將數(shù)據(jù)的屬性和值分開存儲以方便使用。具體實現(xiàn)方法如下：

struct arg1//創(chuàng)建一個包含兩個map類型的結(jié)構(gòu)體

{map Attributes；//用于存儲XML文件中各節(jié)點的屬性信息

map Values；//用于存儲XML文件中各節(jié)點的值信息}；

vector Attrus；//創(chuàng)建一個vector 類型的vector用于存儲XML文件中各節(jié)點信息

ReadXML（const char* XMLpath）

{arg1 d_arg；

TiXMLDocument myDocument（XMLpath）； //根據(jù)路徑獲取整個XML文檔

myDocument.LoadFile（）；//下載xml文檔

TiXMLElement* rootElement = myDocument.RootElement（）； //加載根目錄

TiXMLElement*fileArgsElement=rootElement->FirstChildEle

ment（）；

//獲取根目錄下的第一個節(jié)點

if（fileArgsElement）

{TiXMLElement* argElement = fileArgsElement->FirstChild

Element（）；

//獲取該節(jié)點的第一個子節(jié)點

while （ argElement ）

{TiXMLAttribute* attributeOffileArge = argElement-

>FirstAttribute（）；

//獲取該子節(jié)點的第一個屬性

while（attributeOffileArge）

{CString m_attribute，CString m_name；//定義cstring用于存儲屬性值

m_attribute.Format（"%s"，attributeOffileArge->Value（））；

m_name.Format（"%s"，attributeOffileArge->Name（））；

d_arg.Attributes.insert（pair

（m_name，m_attribute））；

attributeOffileArge=attributeOffileArge->Next（）；}

TiXMLElement* addressElement=argElement-

>FirstChildElement（）；

//獲取該節(jié)點的第一個值

while（addressElement）

{CString m_value，m_name；//定義cstring用于存儲節(jié)點值信息

m_name.Format（"%s"，addressElement->Value（））；

m_value.Format（"%s"，addressElement->GetText（））；

d_arg.Values.insert（pair（m_name，m_value））；

addressElement=addressElement->NextSiblingElement（）； }

Attrus.push_back（d_arg）；

argElement=argElement->NextSiblingElement（）；//指向下一個節(jié)點}}

通過上述代碼可以看到，使用包含兩個map類型map的結(jié)構(gòu)體存儲單個節(jié)點的信息，滿足了多個屬性信息和值信息XML的數(shù)據(jù)存儲，并將節(jié)點的值和屬性分開存放到各自的map中。

（2）多字節(jié)字符集項目中含中文符號XML的解析

使用3.1中的方法可以輕松的實現(xiàn)XML文檔的解析，滿足了多個屬性信息和值信息XML的數(shù)據(jù)存儲，并將節(jié)點的值和屬性分開存放到各自的map中。但是如果經(jīng)常使用Tingxml的話還會發(fā)現(xiàn)，當在多字節(jié)字符集項目中使用Tingxml時如果解析的數(shù)據(jù)中含有中文字符，最終的輸出結(jié)果將并非你所愿。這是因為Tingxml目前僅直接支持解析UTF-8編碼的XML，而對于多字節(jié)字符集項目， 雖然支持UTF-8， 但卻不能與控件直接交互，必須經(jīng)過轉(zhuǎn)換，否則不能支持中文。因此要實現(xiàn)多字節(jié)字符集項目中含中文符號XML的解析，就必須實現(xiàn)字符類型從UTF-8到ANSI的轉(zhuǎn)換。

本文通過使用WideCharToMultiByte和MultiByteToWideChar轉(zhuǎn)換函數(shù)，結(jié)合CP_ACP代碼頁和CP_UTF8代碼頁實現(xiàn)字符從UTF-8到ANSI的轉(zhuǎn)換。實現(xiàn)方法如下：

CString ConvertUtf8ToGBK（const char* str_UTF8）

{int len = MultiByteToWideChar（CP_UTF8， 0， str_UTF8， -1， NULL， 0）；

wchar_t* wsGBK = new wchar_t[len+1]；memset（wsGBK， 0， len*2+2）；

MultiByteToWideChar（CP_UTF8， 0， str_UTF8， -1， wsGBK， len）；//將UTF-8轉(zhuǎn)換成Unicode

len = WideCharToMultiByte（CP_ACP， 0， wsGBK， -1， NULL， 0， NULL， NULL）；

char* sGBK = new char[len+1]；memset（sGBK， 0， len+1）；

WideCharToMultiByte （CP_ACP， 0， wsGBK， -1， sGBK， len， NULL， NULL）；//將ANSI轉(zhuǎn)換成ANSI

CString str（sGBK）；

return str；}

用上述方法將Tingxml解析得到的XML數(shù)據(jù)字符從UTF-8轉(zhuǎn)換成ANSI編碼，就可以實現(xiàn)在多字節(jié)字符集項目中使用Tingxml解析含有中文字符的XML了。

3 總結(jié)

Tingxml解析庫是XML文檔解析的重要解析庫，c++和Tingxml相結(jié)合能夠快速對XML文檔中的數(shù)據(jù)信息進行解析。但Tingxml自身的特征決定了它在數(shù)據(jù)存儲和中文字符解析方面的局限性。通過本文方法的使用，我們可以更好的運用Tingxml對XML文檔進行數(shù)據(jù)解析，實現(xiàn)多值多屬性XML數(shù)據(jù)存儲和Tingxml對中文字符的解析。

參考文獻：

[1]孫曉非等. XML基礎(chǔ)教程與實驗指導(dǎo)[M].清華大學出版社，2008.

[2]王超，鄭清. C++解析XML方法的研究和實現(xiàn).電腦與電信，2012.

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