本文介绍了文本分析的三种设计模式：事件驱动的Parse-Handler模型，如SAX模型；Tokenizer模型，类似编译器的词法分析器，通过将文本分解为token；以及DOM模型，将文档完整读入内存并提供数据访问接口。DOM模型虽然内存消耗较大，但提供最完整服务，适合处理不需要即时响应的应用。作者倾向于使用DOM模型，因其模块清晰、内存管理优化空间大且通常能实现更好的性能。
文本分析的三种典型设计模式
许式伟
2004-10-27
事件驱动：Parse-Handler模型（如：xml之SAX模型）
该模型主要有Parser和Handler两个组件。其原型大体如下：
class
xxxHandler
{
public :
// any event sended from Parser
...
};
class xxxParser
{
public :
xxxxParser(InputSource * source);
HRESULT parse(xxxxHandler * handler)
{
// analyze source and send event to handler
...
}
};
{
public :
// any event sended from Parser
...
};
class xxxParser
{
public :
xxxxParser(InputSource * source);
HRESULT parse(xxxxHandler * handler)
{
// analyze source and send event to handler
...
}
};
该模型不规定Handler类型的详细规格，由Parser的实现者根据具体情况而定。
这种模型的核心思想就是由Parser类来具体分析文本的格
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
