MyXML源码分析系列：我自己写的一个XML解析-基于状态图

最新推荐文章于 2024-09-27 10:11:28 发布
最新推荐文章于 2024-09-27 10:11:28 发布
阅读量104 收藏
点赞数
文章标签： python c/c++ json
原文链接：https://my.oschina.net/qiangzigege/blog/178772
版权

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

项目需要，就自己写了一个解析XML报文的函数，返回值有4种

1 当前XML不完整.

2 能找到一个完整的XML,并且没有多余的字符剩下。

3 能找到一个完整的XML节点，并且有多余的字符还在缓冲区中。

4 报文格式错误

稍微改造下，添加一些处理节点和属性的代码，

就可以构造成码农版XML解析器。（有兴趣的码农可以拿过去改造下，很简单。）

PS:我项目中的XML是从网络报文抓取的，没有换行符和多余的空白这些东西的，

如果是读取文件需要考虑这些因素，当然也不难，仔细一点就可以。

废话不多说，上代码： 


#define XML_STRING_ERROR		0//出现了错误，无法统计
#define XML_COMPLETE			1 //完全匹配成功
#define XML_NO_COMPLETE_LOSS_CHAR	2//缺少字符串
#define XML_NO_COMPLETE_MORE_CHAR	3//包含一个匹配的，但是有更多的字符串

//<iq>...</iq> 	1 2 3 4 5
//<iq />			1  6 7
// from=" " 		8  9 10
#define XML_STATE_CLOSED						0//初始状态
#define XML_STATE_RECEIVED_TAG_FIRST_CHAR				1//表明收到了第一种字符，如上面两行所示
#define XML_STATE_RECEIVED_TAG_SECOND_CHAR				2
#define XML_STATE_RECEIVED_TAG_THIRD_CHAR				3
#define XML_STATE_RECEIVED_TAG_FORTH_CHAR				4
#define XML_STATE_RECEIVED_TAG_FIFTH_CHAR				5
#define XML_STATE_RECEIVED_TAG_SIXTH_CHAR				6
#define XML_STATE_RECEIVED_TAG_SEVENTH_CHAR 				7//收到第7种字符
#define XML_STATE_RECEIVED_TAG_EIGHTH_CHAR				8//收到了第8种字符
#define XML_STATE_RECEIVED_TAG_NINTH_CHAR				9//收到了第9种字符
#define XML_STATE_RECEIVED_TAG_TENTH_CHAR				10//收到了第10种字符
#define XML_STATE_RECEIVED_TAG_START_CONTENT_CHAR			11//已经收到了标签的开始的字符
#define XML_STATE_RECEIVED_TAG_END_CONTENT_CHAR 		        12//已经收到标签的结束的字符
#define XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR			13//等待收到属性的字符串	
#define XML_STATE_RECEIVED_ATTRIBUTE_TAG_CHAR				14//已经收到了属性标签
#define XML_STATE_RECEIVED_ATTRIBUTE_CONTENT_CHAR		        15//已经收到了属性内容
#define XML_STATE_RECEIVED_INNER_TEXT_CONTENT_CHAR			16//收到了文本字符串


C语言代码如下： 

//originlength表示其最初的长度,不需要str以\0结尾
STATIC INT32 im_xml_is_complete(INT8* str,UINT32 originlength,UINT32* length,INT8** innertextBegin,INT8** innertextEnd)
{	
	UINT32 layer=0;//当前存在的节点的层次
	INT32 result=R_ERROR;
	INT32 state=XML_STATE_CLOSED;//最开始为关闭状态 
	INT8  c=0;
	INT8* p=str;
	UINT32	innertext=0;//0表示还没有登记过，1表示已经登记过
	//innertextBegin，innertextEnd可以为空
	if(NULL==str || 0==originlength || str[0]!='<' || NULL==length)
	{
		return XML_STRING_ERROR;
	}
	//im_log(DEBUG_LEVEL,"state: XML_STATE_CLOSED");
	//表明是一个有效的字符串
	while('\0'!=*p)
	{
		c=*p;
		//im_log(DEBUG_LEVEL,"get char %c",c);
		if(XML_STATE_CLOSED==state)
		{
			if('<'==c) 
			{
				state=XML_STATE_RECEIVED_TAG_FIRST_CHAR;
				layer++;
			}
			else 
				goto error;
		}
		else if(XML_STATE_RECEIVED_TAG_FIRST_CHAR==state)
		{
			if('<'==c||'/'==c||'>'==c||' '==c)
				goto error;
			else 
				state=XML_STATE_RECEIVED_TAG_START_CONTENT_CHAR;
		}
		else if(XML_STATE_RECEIVED_TAG_START_CONTENT_CHAR==state)
		{
			if('<'==c)
				goto error;
			else if('/'==c)
			{
				state=XML_STATE_RECEIVED_TAG_SIXTH_CHAR;
			}
			else if('>'==c) state=XML_STATE_RECEIVED_TAG_SECOND_CHAR;
			else if(' '==c) state=XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR;
			else 
				state=XML_STATE_RECEIVED_TAG_START_CONTENT_CHAR;
		}
		else if(XML_STATE_RECEIVED_TAG_SIXTH_CHAR==state)
		{
			if('>'==c)
			{
				//表明当前标签结束了
				layer--;
				//但是有可能存在父亲节点，所以需要根据父亲节点的层次来判断
				if(0==layer)//表明没有节点了，到达了closed状态
				{
					//此时已经可以返回了，返回时返回两种状态
					//if(*(p+1)=='\0')//表明正好是一个完整的XML
					if(p+1-str==originlength)//表明正好是一个完整的XML
					{
						result=XML_COMPLETE;
						*length=p-str+1;
						return result;
					}
					else
					{
						//表明还存在多余的字符串
						//则计算出当前的字符串长度
						*length=p-str+1;
						return XML_NO_COMPLETE_MORE_CHAR;
					}
				}
				else
				{
					//表明还存在父节点
					state=XML_STATE_RECEIVED_TAG_SECOND_CHAR;
				}
			}
			else 
				goto error;
		}
		else if(XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR==state)
		{
			//表明在等待收到属性字符串
			if('<'==c||'='==c||'"'==c) 
							goto error;			
			else if('>'==c)
			{
				state=XML_STATE_RECEIVED_TAG_SECOND_CHAR;
			}
			else if('/'==c)
			{
				state=XML_STATE_RECEIVED_TAG_SIXTH_CHAR;
			}
			else if(' '==c) //保持当前状态
				state=XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR;
			else //收到了有效属性字符
				state=XML_STATE_RECEIVED_ATTRIBUTE_TAG_CHAR;
				
		}
		else if(XML_STATE_RECEIVED_TAG_SECOND_CHAR==state)
		{
			if('<'==c)
			{
				//收到这个字符时，不清楚当前的状态，需要根据后面一个字符来判断
				//if(*(p+1)=='\0')
				if(p+1-str==originlength)
				{
					return XML_NO_COMPLETE_LOSS_CHAR;
				}
				else if(*(p+1)=='/')
				{
					//表明是准备结束的
					state=XML_STATE_RECEIVED_TAG_THIRD_CHAR;
				}
				else
				{
					//确实是起一个新的标签
						layer++;
						state=XML_STATE_RECEIVED_TAG_FIRST_CHAR;
				}
			}
			else if('/'==c ||'>'==c)
			{
				goto error;
			}
			else
			{
				state=XML_STATE_RECEIVED_INNER_TEXT_CONTENT_CHAR;
				//如果是第一个innertext则登记
				if(0==innertext&&NULL!=innertextBegin)
				{
					//此时不应该将innertext置为1
					*innertextBegin=p;
				}
			}
		}
		else if(XML_STATE_RECEIVED_INNER_TEXT_CONTENT_CHAR==state)
		{
			if('<'==c)
			{
				state=XML_STATE_RECEIVED_TAG_THIRD_CHAR;
				if(0==innertext&&NULL!=innertextEnd)
				{
					*innertextEnd=p-1;
					innertext=1;//表示以后不写了，找到第一个就行了
				}
			}
			//else if('/'==c||'>'==c) goto error;
			//支持里面包含/字符
			else if('>'==c) goto error;
			else 
					state=XML_STATE_RECEIVED_INNER_TEXT_CONTENT_CHAR;
		}
		else if(XML_STATE_RECEIVED_TAG_THIRD_CHAR==state)
		{
			if('/'==c)
				state=XML_STATE_RECEIVED_TAG_FORTH_CHAR;
			else 	
				goto error;
		}
		else if(XML_STATE_RECEIVED_TAG_FORTH_CHAR==state)
		{
			//第四种状态
			if('<'==c || '/'==c ||'>'==c)
					goto error;
			else 
				state=XML_STATE_RECEIVED_TAG_END_CONTENT_CHAR;
		}
		else if(XML_STATE_RECEIVED_TAG_END_CONTENT_CHAR==state)
		{
			//已经收到了结束字符
			if('<'==c || '/'==c || ' '==c)
				goto error;
			else if('>'==c)
			{
				//表明结束了
				layer--;
				//但是有可能存在父亲节点，所以需要根据父亲节点的层次来判断
				if(0==layer)//表明没有节点了，到达了closed状态
				{
					//此时已经可以返回了，返回时返回两种状态
					//if(*(p+1)=='\0')
					if(p+1-str==originlength)
					{
						result=XML_COMPLETE;
						*length=p-str+1;
						return result;
					}
					else
					{
						//表明还存在多余的字符串
						//则计算出当前的字符串长度
						*length=p-str+1;
						return XML_NO_COMPLETE_MORE_CHAR;
					}
				}
				else
				{
					//表明还存在父节点
					state=XML_STATE_RECEIVED_TAG_SECOND_CHAR;
				}
			}
			else
				state=XML_STATE_RECEIVED_TAG_END_CONTENT_CHAR;
				
		}
		else if(XML_STATE_RECEIVED_ATTRIBUTE_TAG_CHAR==state)
		{
			if('<'==c||' '==c||'>'==c||'/'==c||'"'==c)
				goto error;
			else if('='==c)
			{
				state=XML_STATE_RECEIVED_TAG_EIGHTH_CHAR;
			}
			else
				//保持状态
				state=XML_STATE_RECEIVED_ATTRIBUTE_TAG_CHAR;
				
		}
		else if(XML_STATE_RECEIVED_TAG_EIGHTH_CHAR==state)
		{
			//这种情况下只能是收到"
			if('"'==c) state=XML_STATE_RECEIVED_TAG_NINTH_CHAR;
			else 
				goto error;
		}
		else if(XML_STATE_RECEIVED_TAG_NINTH_CHAR==state)
		{
			//已经收到了属性内容的开始的"
			//这里不对属性字符串的内容做过多限制
			if(c=='"')
				state=XML_STATE_RECEIVED_TAG_TENTH_CHAR;
			else
			{
				state=XML_STATE_RECEIVED_ATTRIBUTE_CONTENT_CHAR;
			}
		}
		else if(XML_STATE_RECEIVED_TAG_TENTH_CHAR==state)
		{
			if('<'==c||'='==c||'"'==c)
				goto error;
			else if('/'==c)
			{
				state=XML_STATE_RECEIVED_TAG_SIXTH_CHAR;
			}
			else if('>'==c) state=XML_STATE_RECEIVED_TAG_SECOND_CHAR;
			else if(' '==c) state=XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR;
			else 
			{
				//错误的
				goto error;
			}				
		}
		else if(XML_STATE_RECEIVED_ATTRIBUTE_CONTENT_CHAR==state)
		{
			if(c=='"')
				state=XML_STATE_RECEIVED_TAG_TENTH_CHAR;
			else
			{
					state=XML_STATE_RECEIVED_ATTRIBUTE_CONTENT_CHAR;
			}
		}
		if(0)//暂时不打印
		{
			switch(state)
			{
				case XML_STATE_CLOSED:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_CLOSED");
					break;
				case XML_STATE_RECEIVED_TAG_FIRST_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_FIRST_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_SECOND_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_SECOND_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_THIRD_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_THIRD_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_FORTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_FORTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_FIFTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_FIFTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_SIXTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_SIXTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_SEVENTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_SEVENTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_EIGHTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_EIGHTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_NINTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_NINTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_TENTH_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_TENTH_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_START_CONTENT_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_START_CONTENT_CHAR");
					break;
				case XML_STATE_RECEIVED_TAG_END_CONTENT_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_TAG_END_CONTENT_CHAR");
					break;
				case XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_WAITING_FOR_RECEIVE_ATTRIBUTES_CHAR");
					break;
				case XML_STATE_RECEIVED_ATTRIBUTE_TAG_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_ATTRIBUTE_TAG_CHAR");
					break;
				case XML_STATE_RECEIVED_ATTRIBUTE_CONTENT_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_ATTRIBUTE_CONTENT_CHAR");
					break;
				case XML_STATE_RECEIVED_INNER_TEXT_CONTENT_CHAR:
					im_log(DEBUG_LEVEL,"state:%s","XML_STATE_RECEIVED_INNER_TEXT_CONTENT_CHAR");
					break;
				default:
					break;
			}
		}
		p++;
	}	
	return XML_NO_COMPLETE_LOSS_CHAR;
error:
	return XML_STRING_ERROR;	
}



根据这种思路，就可以写出JSON的解析器，

思路还是如上，根据状态图来考虑即可。

特点是流式解析。

转载于:https://my.oschina.net/qiangzigege/blog/178772

weixin_34176694
关注
自己写的任意节点树，可用于XML解析
12-06
自己写的任意节点树，可用于XML解析
自己写的一个小巧简单的通用XML解析器，访问值有点类似XPATH~
liuyixtu的博客
05-12 166
话说好久没写JAVA代码了…… 最近一个项目server/client间用XML传数据，server是java的，我嫌XPATH太臃肿，故而花了点时间自己实现一个通用XML解析器，不知道算不算重复造个轮子。 优点：只访问解析一次XML，每次拿数据时都是从HashMap中取。 没测试大XML文件。有需要的话到时候改成SAX等方式去解析好了。 用法： [code="xml"] ...
java 解析XML 组建 自己写的封装类
10-22
java 解析XML 自己写的封装类 用于加载XML文件 代码中有详细的注释 对想自己写组建的爱好者有很好的帮助
从零开始写一个XML解析-02思路
心灵迷宫
08-06 540
给出了如何通过解析字符串来建立一个XML树的思路。
Python_myxml.xml(test.xml)
weixin_30745641的博客
04-19 102
<breakfast_menu><food><name>Belgian Waffles</name><price>$5.95</price><description>two of our famous Belgian Waffles with plenty of real maple syrup</descr...
myxml2rsscategory:这是放我的xml文件的步伐
04-03
标题 "myxml2rsscategory:这是放我的xml文件的步伐" 提到的是一个关于将XML文件转换为RSS格式的项目或程序。在这个项目中，“myxml2rsscategory”可能是一个特定的模块或者目录，专门用于处理XML文件并将其转化为RSS...
基于QT5.8和QtCreator的开发如何创建和编写XML以及解析XML，内涵源代码.zip
09-14
除了QDomDocument，Qt还提供了QXmlStreamReader，它是一个事件驱动的解析器，适用于处理大型XML文件。QXmlStreamReader通过逐个处理事件（如开始元素、结束元素等）来节省内存，但使用起来相对复杂一些。 总之，在...
vc++的xml解析类代码和测试文件
05-07
`MyXML.h`文件可能会定义一个类，如`XMLParser`，该类包含解析XML文件所需的方法和成员变量。例如，可能会有一个`parseFile`函数，用于打开并解析XML文件，以及一些内部结构来存储解析过程中创建的DOM（Document ...
解析XML文档 实现树结构实例
02-18
然后，你可以创建一个`IXMLDOMDocument`对象，用于加载和解析XML文档： ```cpp MsxmlDocumentPtr pDoc = NULL; CoCreateInstance(__uuidof(MSXML2::DOMDocument), NULL, CLSCTX_INPROC_SERVER, __uuidof(MSXML2::...
实现myXML函数，带有一个形参，解析传过来的XML，并返回name节点的值
weixin_46422910的博客
07-06 374
<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title></title> <!-- 实现myXML函数，带有一个形参，解析传过来的XML，并返回name节点的值 XML的样式如： <student><name>mike</name><age...
xml实现状态机
qq_31426247的博客
04-10 648
刚换了一家公司，学习了公司内部的项目，带我的师兄让我学习下公司项目中状态机的实现，并自己实现一个状态机。以此来记录学习状态机的过程。 https://blog.csdn.net/xinghuanmeiying/article/details/81586954 通过这篇博文学习了状态机图如何绘制，以及状态机图中的一些概念，不清楚的状态机的小伙伴可以学习下。(不知道这算不算侵权哈，反正自己也是通过别...
自己写的简单xml解析器
weixin_34337265的博客
10-19 458
已经自我放逐好几年了.打算去上班得了.在最后的自由日子里,做点有意义的事吧...先来下载地址http://www.kuaipan.cn/file/id_12470514853353274.htm已经在很多正式,非正式的场合用过了.干脆开源得了.BSD授权.代码比较久远,最后一次修改也在4~5年前了.写的比较BT,只有gcc/vc/icl能编译...不过性...
XmlParser: 简易的 Xml 解析器的实现（一）
热门推荐
(ÒωÓױ)
06-29 1万+
一、引言工作中接触到 xml 的机会比较多，比如使用 xml 文件来配置界面显示。于是，也就慢慢萌生了想要自己去实现一个简易的 xml 解析器的想法。首先，让我们看看 xml 配置文件都长什么样子，这是来自 W3school 的示例 xml 代码：<note> <to>George</to> <from>John</from> <heading>Reminder</heading> <body>Do
Android向本地写入一个XML文件和解析XML文件
chenfengdejuanlian的专栏
07-26 7766
在网络存储过程中有很多时候会遇到XML文件解析和使用XML保存一些信息，解析XML文件用的比较多的方法是pull解析和SAX解析，但是我一般只用pull解析，下面就向cd卡写入一个XML文件，然后再使用pull解析的方法对文件进行解析。
UML建模之状态图（Statechart Diagram）
weixin_34228387的博客
12-17 4874
 状态图目录： 一、状态图简介（Brief introduction） 二、状态图元素（State Diagram Elements） 1、状态（States） 2、转移（Transitions） 3、动作（State Actions） 4、自身转移（Self-Transitions） 5、组合状态（Compound States） 6、进入节点（Entry Point） 7、退...
timyxml的简单使用
晚晴小筑
03-30 272
#include &lt;iostream&gt; #include &lt;string&gt; #include &lt;cstdio&gt; #include "tinyxml.h" using namespace std; int main() { TiXmlPrinter printer; string filepath = "test.xml"; TiXmlDocument do...
VeighNa：强大的Python开源量化交易平台
Unity打怪升级
09-26 665
VeighNa（简称 VN 或 vn.py）是一个基于 Python 的开源量化交易平台，专为量化交易爱好者和专业交易员设计。VeighNa 是由国内开发者社区推动的开源项目，旨在提供一个功能丰富、灵活且易于扩展的量化交易解决方案。该框架不仅支持多种资产类别的交易，如股票、期货、期权、加密货币等，还支持多种交易接口和协议，使得用户能够轻松进行多市场、多品种的交易策略开发和部署。
第二百五十四节 JPA教程 - JPA 多对多映射示例
最新发布
2301_78772942的博客
09-27 691
第二百五十四节 JPA教程 - JPA 多对多映射示例
Flash解析XML教程：读取与操作示例
"本文将介绍如何在Flash中读取XML文件，这是一个适合初学者的示例。" 在Flash开发中，XML是一种常用的结构化数据存储格式，可以用于交换和存储信息。当需要在Flash应用程序中加载和处理XML数据时，可以按照以下步骤...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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