（原创）boost.property_tree解析xml的帮助类以及中文解析问题的解决

（原创）boost.property_tree解析xml的帮助类以及中文解析问题的解决

　　boost.property_tree可以用来解析xml和json文件，我主要用它来解析xml文件，它内部封装了号称最快的xml解析器rapid_xml，其解析效率还是很好的。但是在使用过程中却发现各种不好用，归纳一下不好用的地方有这些：

1. 获取不存在的节点时就抛出异常
2. 获取属性值时，要排除属性和注释节点，如果没注意这一点就会抛出异常，让人摸不着头脑。
3. 内存模型有点怪。
4. 默认不支持中文的解析。解析中文会乱码。

ptree获取子节点

　　获取子节点接口原型为get_child(node_path)，这个node_path从当前路径开始的全路径，父路径和子路径之间通过“.”连接，如“root.sub.child”。需要注意的是get_child获取的是第一个子节点，如果我们要获取子节点列表，则要用路径“root.sub”，这个路径可以获取child的列表。如果获取节点的路径不存在则会抛出异常，这时，如果不希望抛出异常则可以用get_xxx_optional接口，该接口返回一个optional<T>的结果出来，由外面判断是否获取到结果了。

//ptree的optional接口
auto item = root.get_child_optional("Root.Scenes");

　　该接口返回的是一个optional<ptree>，外面还要判断该节点是否存在，optional对象通过bool操作符来判断该对象是否是无效值，通过指针访问 

符"*"来访问该对象的实际内容。建议用optional接口访问xml节点。

//ptree的optional接口
auto item = root.get_child_optional("Root.Scenes");
if(item)
    cout<<"该节点存在"<<endl;

ptree的内存模型

　　ptree维护了一个pair<string, ptree>的子节点列表，first指向的是该节点的TagName，second指向的才是ptree节点，因此在遍历ptree子节点时要注意迭代器的含义。

for (auto& data : root)
{
    for (auto& item : data.second) //列表元素为pair<string, ptree>，要用second继续遍历
    {
        cout<<item.first<<endl;
    }
}

　　需要注意的是ptree.first可能是属性（"<xmlattr>"）也可能是注释（"<xmlcomment>"），只有非注释类型的节点才能使用获取属性值、子节点等常用接口。

ptree获取属性值

　　通过get<T>(attr_name)可以获取属性的值，如果想获取属性的整形值的话，可以用get<int>("Id")，返回一个整数值。有一点要注意如果ptree.first为"<xmlcomment>"时，是没有属性值的，可以通过data()来获取注释内容。如果这个ptree.first不为<xmlattr>时需要在属性名称前面加"<xmlcomment>."，即get<int>("<xmlcomment>.Id")才能正确获取属性值。可以看到获取属性值还是比较繁琐的，在后面要介绍的帮助类中可以简化属性值的获取。如果要获取节点的值则用get_value()接口，该接口用来获取节点的值，如节点：<Field>2</Field>通过get_value()就可以获取值"2"。

解析中文的问题

　　ptree解析的xml文件的格式是utf-8格式的，如果xml文件中含有unicode如中文字符，解析出来就是乱码。解析unicode要用wptree，该类的接口均支持宽字符并且接口和ptree保持一致。要支持中文解析仅仅wptree还不够，还需要一个unicode转换器的帮助，该转换器可以实现宽字符和窄字符的转换，宽窄的互相转换函数有很多实现，不过c++11中有更简单统一的方式实现宽窄字符的转换。

c++11中宽窄字符的转换：

std::wstring_convert<std::codecvt<wchar_t,char,std::mbstate_t>> conv

(newstd::codecvt<wchar_t,char,std::mbstate_t>("CHS"));
//宽字符转为窄字符
string str = conv.to_bytes(L"你好");
//窄字符转为宽字符
string wstr = conv.from_bytes(str);

　　boost.property_tree在解析含中文的xml文件时，需要先将该文件转换一下。

　　boost解决方法：

#include "boost/program_options/detail/utf8_codecvt_facet.hpp"
void ParseChn()
{
    std::wifstream f(fileName);
    std::locale utf8Locale(std::locale(), new boost::program_options::detail::utf8_codecvt_facet());
    f.imbue(utf8Locale); //先转换一下

    //用wptree去解析
    property_tree::wptree ptree;
    property_tree::read_xml(f, ptree);    
}

　　这种方法有个缺点就是要引入boost的libboost_program_options库，该库有二十多M，仅仅是为了解决一个中文问题，却要搞得这么麻烦，有点得不偿失。好在c++11提供更简单的方式，用c++11可以这样：

    void Init(const wstring& fileName, wptree& ptree)
    {
        std::wifstream f(fileName);
        std::locale utf8Locale(std::locale(), new std::codecvt_utf8<wchar_t>);
        f.imbue(utf8Locale); //先转换一下

        //用wptree去解析
        property_tree::read_xml(f, ptree);
    }

　　用c++11就不需要再引入boost的libboost_program_options库了，很简单。

　　另外一种方法就是，仍然用ptree和string，只是在取出string字符串后，做一个转换为unicode的转换，就能得到中文字符串了。例如：

        auto child = item.second.get_child("Scenes.Scene");
        auto oname = child.get_optional<string>("<xmlattr>.Name");

//oname内部存了一个unicode字符串，需要将其转换为宽字符串得到中文
std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> converter;
        std::wstring wide = converter.from_bytes(*oname);

                //宽字符串转为窄字符串
                //std::string narrow = converter.to_bytes(L"foo");            

property_tree的帮助类

　　property_tree的帮助类解决了前面提到的问题：

1. 用c++11解决中文解析问题
2. 简化属性的获取
3. 增加一些操作接口，比如一些查找接口
4. 避免抛出异常，全部返回optional<T>对象
5. 隔离了底层繁琐的操作接口，提供统一、简洁的高层接口，使用更加方便。

　　下面来看看这个帮助类是如何实现的吧：

 View Code

　　测试文件test.xml和测试代码：

<?xml version="1.0" encoding="UTF-8"?>
<Root Id="123456">
    <Scenes>
        <!--注释说明1-->
        <Scene Name="测试1">
            <!--注释说明11-->
            <DataSource>
                <!--注释说明111-->
                <Data>
                    <!--注释说明111-->
                    <Item Id="1" FileName="测试文件1" />
                </Data>
                <Data>
                    <Item Id="2" FileName="测试文件2" />
                    <Item Id="3" FileName="测试文件3" />
                </Data>
            </DataSource>
        </Scene>
        <!--注释说明1-->
        <Scene Name="测试2">
            <DataSource>
                <Data>
                    <Item Id="4" FileName="测试文件4" />
                </Data>
                <Data>
                    <Item Id="5" FileName="测试文件5" />
                </Data>
            </DataSource>
        </Scene>
    </Scenes>
</Root>

void Test()
{
    wptree pt; 
    ConfigParser parser;
    parser.Init(L"test1.xml", pt); //解决中文问题，要转换为unicode解析

    auto scenes = parser.Descendants(pt, L"Root.Scenes"); //返回的是optional<wptree>
    if (!scenes)
        return;

    for (auto& scene : *scenes)
    {
        auto s = parser.Attribute(scene, L"Name"); //获取Name属性，返回的是optional<wstring>
        if (s)
        {
            wcout << *s << endl;
        }

        auto dataList = parser.Descendants(scene.second, L"DataSource"); //获取第一个子节点
        if (!dataList)
            continue;

        for (auto& data : *dataList)
        {
            for (auto& item : data.second)
            {
                auto id = parser.Attribute<int>(item, L"Id");
                auto fileName = parser.Attribute(item, L"FileName");

                if (id)
                {
                    wcout << *id << L" " << *fileName << endl; //打印id和filename
                }
            }
        }
    }
}

测试结果:

　　可以看到通过帮助类，无需使用原生接口就可以很方便的实现节点的访问与操作。使用者不必关注内部细节，根据统一而简洁的接口就可以操作xml文件了。

　　一点题外话，基于这个帮助类再结合linq to object可以轻松的实现linq to xml：

//获取子节点SubNode的属性ID的值为0x10000D的项并打印出该项的Type属性
from(node.Descendants("Root.SubNode")).where([](XNode& node)
{
    auto s = node.Attribute("ID");
    return s&&*s == "0x10000D";
}).for_each([](XNode& node)
{
    auto s = node.Attribute("Type");
    if (s)
        cout << *s << endl;
});

　　如果你觉得这篇文章对你有用，可以点一下推荐，谢谢。

　　c++11 boost技术交流群：296561497，欢迎大家来交流技术。

一点梦想：尽自己一份力，让c++的世界变得更美好！