NSXMLParse 解析 soap消息

1. 启动NSXMLParser

要使用NSXMLParser要先创建它,设置各种属性,主要用到以下几个方法:

initWithContentsOfURL 通过NSURL创建解析器

initWithData                通过NSData创建解析器, 例如:xmlPaser =[[NSXMLParse alloc] initWithData: webData];

setDelegate                 为解析器定义委托

parse                            运行解析器

2. 充当委托

最重要的5个方法:

//发现元素开始符的处理函数 (即报告元素的开始以及元素的属性)

方法1.  - (void)parser:(NSXMLParser *)parser

        didStartElement:(NSString*)elementName

        namespaceURI:(NSString*)namespaceURI

        qualifiedName:(NSString *)qName

        attributes:(NSDictionary*)attributeDict


方法2. //处理标签包含内容字符 (报告元素的所有或部分内容)

- (void)parser:(NSXMLParser *)parser foundCharacters:(NSString*)string


方法3.//发现元素结束符的处理函数,保存元素各项目数据(即报告元素的结束标记)

- (void)parser:(NSXMLParser *)parser

        didEndElement:(NSString*)elementName

        namespaceURI:(NSString*)namespaceURI

        qualifiedName:(NSString *)qName


方法4.//报告解析的结束

- (void)parserDidEndDocument:(NSXMLParser*)parser


方法 5.//报告不可恢复的解析错误

- (void)paser:parserErrorOccured

 

  • 下面详细举例

1.申明了一个xml处理协议,用到NSXMLParser协议,用来具体处理我们要解析的xml文件,把需要的url取出来,存到指定的data里。

*/

//多线程处理类的定义,方法实现,与向主线程回传data

@classAppRecord;


//@protocol ParseOperationDelegate;

@protocol ParseOperationDelegate

- (void)didFinishParsing:(NSArray *)appList;

- (void)parseErrorOccurred:(NSError *)error;

@end


@interface ParseOperation : NSOperation<NSXMLParserDelegate> {

   @private id <ParseOperationDelegate> delegate;//,NSXMLParserDelegate

 

    NSData *dataToParse;

 

NSMutableArray *workingArray;

AppRecord *workingEntry;

NSMutableString *workingPropertyString;

NSArray*elementsToParse;

BOOLstoringCharacterData;

}


- (id)initWithData:(NSData *)datadelegate:(id <ParseOperationDelegate>)theDelegate;


@end

然后完成协议的初始化函数

- (id)initWithData:(NSData *)datadelegate:(id <ParseOperationDelegate>)theDelegate

{

self =[super init];

if(self != nil)

{

self.dataToParse =data;

self.delegate =theDelegate;

self.elementsToParse= [NSArrayarrayWithObjects:kIDStr, kNameStr, kImageStr,kArtistStr, nil];

}

return self;

}


2.完成特定标签的解析

#pragma mark -

#pragma mark RSS processing


- (void)parser:(NSXMLParser*)parser didStartElement:(NSString*)elementName

namespaceURI:(NSString *)namespaceURI

qualifiedName:(NSString *)qName

attributes:(NSDictionary *)attributeDict

{

// entry: { id (link), im:name (app name), im:image(variable height) }

//

if([elementName isEqualToString:kEntryStr])

{

self.workingEntry =[[[AppRecord alloc] init] autorelease];

}

storingCharacterData = [elementsToParse containsObject:elementName];

}


3.找到具体的地址与内容,并存

- (void)parser:(NSXMLParser*)parser didEndElement:(NSString*)elementName

namespaceURI:(NSString *)namespaceURI

qualifiedName:(NSString *)qName

{

if(self.workingEntry)

{

if(storingCharacterData)

{

NSString*trimmedString = [workingPropertyStringstringByTrimmingCharactersInSet:

[NSCharacterSet whitespaceAndNewlineCharacterSet]];

[workingPropertyStringsetString:@""]; // clear the string for next time

if([elementName isEqualToString:kIDStr])

{

self.workingEntry.appURLString = trimmedString;

}

elseif ([elementName isEqualToString:kNameStr])

{

self.workingEntry.appName = trimmedString;

}

elseif ([elementName isEqualToString:kImageStr])

{

self.workingEntry.imageURLString = trimmedString;

}

elseif ([elementName isEqualToString:kArtistStr])

{

self.workingEntry.artist = trimmedString;

}

}

elseif ([elementName isEqualToString:kEntryStr])

{

[self.workingArray addObject:self.workingEntry];

self.workingEntry =nil;

}

}

 

}


- (void)parser:(NSXMLParser*)parser foundCharacters:(NSString*)string

{

if(storingCharacterData)

{

[workingPropertyString appendString:string];

}

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值