CMarkup介绍（三）

最新推荐文章于 2020-02-19 02:40:32 发布

aqua_aqua

最新推荐文章于 2020-02-19 02:40:32 发布

阅读量2.1k

点赞数

分类专栏：技术文章文章标签：文档 xml schema 测试平台

本文链接：https://blog.csdn.net/aqua_aqua/article/details/454245

版权

技术文章专栏收录该内容

24 篇文章 0 订阅

订阅专栏

深入Markup分析器

编译者：知足者

2004年7月17日

原文http://www.firstobject.com/dn_markparser.htm

虽然Markup经常被叫做是“分析器”，但是分析保是Cmarkup功能中的一部分，另外Cmarkup还支持文档的导航、创建和修改，还有其它如文件I/O、字符集及64位编码转换等功能。然而分析器是Cmarkup一个最重要的功能，因为这样可以导入和访问现有XML文件。

分析器在SetDoc和Load方法中分析文档，并建立定位数组，这是一个非验证的分析器，这表明它不会依照着DTD和Schema来检查文档的正确性。它只会检查格式的好坏，如果结束标签不匹配开始标签它会产生一个错误，如果没有根元素存在会产生一个错误，或者其它一些不正确的结点样式它也会产生一个错误。

在7.0版本中，分析器使用了新的分析方法，不再使用递归实现。在以前的版本中，使用递归方法实现时，每次在另一个元素中发现一个元素就调用自己，当它到达父结点的结束标签时返回。因为每次嵌套调用都要增加局部变量和参数到堆栈中，但是在堆栈的尺寸是有限的任何平台上，例如掌上操作系统，这时，递归就成为一个问题了。虽然大多数的文件不会大于10个元素的深度（嵌套），也许在栈中只需要500bytes，然而，这仍是一个潜在的危险。新的分析器使用了一个叫NodeStack的小数组，它就像一个栈，但是它在堆里的。

它保持着一直到当前深度的所有被嵌套的元素的标签名。

分析函数x_ParseElem实际上相当简单，它通过调用x_ParseNode查找和检查下一个结点来循环所有的结点，直到文档的结束。关于结点类型的讨论可以看在Nodes的文章。元素的结束标签被表示成0的结点类型，因为它是元素结点的结束。

NodeStack用来记录被嵌套的元素，当一个起始标签被遇到时，它将呆在NodeStack中，直到相对应的结束标签被发现。如果一个元素A包含其它一些元素，那么这些元素将会放到NodeStack中，并且置于元素A的上面，在恢复父元素（元素A）之前，需要匹配它们的结束标签然后从NodeStack中删除。

x_ParseNode函数是根据在文档中给定结点起始字符的偏移量来识别一个结点。出于对速度和简单考虑，结点被分析只是从第一个字符前进做一个简单的循环，在结点的类型被确定前，保持一个比特标志状态。

如果第一字符是小于号“<”,它就是一个标签“<..>”(对于文本和空格)，如果是标签，检查第二个字符，它可能是元素标签名的起始、或者一个斜线（结束标签）、或者是一个感叹号（是注释、CDATA段或DOCTYPE）或是问号（PI），如果是感叹号，你必须要得到下一个字符来判断结点的类型。一旦知道了结点类型，分析器就可以正确扫描这种结点类型相应的结束字符串。

如果第一个字符不是小于号“<”，同时也不空格，那么它是一个文本结点，并且这个结点一直要到一个小于号”<”或者到文档的结束。如果第一个字符是一个空格，那么它也要一直到小于号”<”或文档结束，但是当看到第一个非空格就表明它是一个文本结点。如果到结点的结束都没有遇到非空格，那么，它就是一个空格结点。

现在，让我们这样的步骤来处理下面的简单XML文档。

<?xml version="1.0"?><test> hello world </test>

首先调用x_ParseNode,开始字符是文档的第一个字符，如果是小于号，表明是标签，所以OPENTAG位被设置，下一个字符是一个问号，那么在OPENTAG状态中，表明这是一个处理指令（PI），现在知道了结点类型，不需要设置OPENTAG位了。它会扫描PI的结束字符串 ?>,再返回。

第二步，调用x_ParseNode,开始字符是测试元素的第一个字符，是小于号，表明这是一个标签，所以设置OPENTAG位，下一个字符是一个有效字符，是元素标签名的第一个字符，那么在OPENTAG状态中，意味着这是一个文本结点。现在知道了结点类型，就不需要再设置OPENTAG位了。它会扫描到元素标签的结束字符”>”,接着返回。

第三步，调用x_ParseNode,起始字符是“ Hello World”的第一个字符，这不是小于号了，它是一个空格，所以TEXTORWS (文本或空格)位要被设置。下一个字符是文本字符，所以在EXTORWS 状态中，就意味着这是一个文本结点，现在，解析器知道了结点类型，就不用再设置 TEXTORWS 位了，它会扫描小于号或文档的结束，然后返回。

第四步，调用 x_ParseNode , ，开始字符是测试元素结束标签的第一个字符，这是一个小于号，表明它是标签，所以要设置 OPENTAG 位，下一个字符是斜线，在 OPENTAG 状态中，这意味着它是一个结束标签，现在知道标签的类型了，不用设置 OPENTAG 位了，它会扫描结束标签的结束字符“ > ”，然后返回。