tinyxml2解析rss文件

参考资料:xml -> rss -> tinyxml -> regex

xml:XML 教程

rss:RSS 教程

tinyxml2:TinyXML-2: TinyXML-2

regex:参考代码中注释
 

要求：

tinyxml2解析rss文件并生成一个 pagelib.txt, 其格式:
 
 

    <doc>
      <docid>1</docid>
      <title> ... </title>
      <link> ...  </link>
      <description> ... </description>
      <content> ... </content>
    </doc>
    <doc>
    <docid>2</docid>
      <title> ... </title>
      <link> ...  </link>
      <description> ... </description>
      <content> ... </content>
    </doc>
    <doc>
      ...
    </doc>

需要解析的rss文件片段：

<?xml version="1.0" encoding="utf-8" ?>
<rss version="2.0">
  <channel>
    <title>36氪</title>
    <language>zh-cn</language>
    <pubDate>2016-10-26 16:53:42</pubDate>
    <generator>36氪 - 让创业更简单</generator>
    <description>为创业者提供最好的产品和服务</description>
    <link><![CDATA[http://36kr.com]]>
    </link>
    <item>
      <author>周天</author>
      <title><![CDATA[被美团收购支付牌照的幕后故事：在“被毁灭”与“被吞并”之间二选一]]>
      </title>
      <category>深度报道</category>
      <link>http://36kr.com/p/5055230.html?ktm_source=feed</link>
      <guid>http://36kr.com/p/5055230.html?ktm_source=feed</guid>
      <link_3g>http://36kr.com/p/5055230.html?ktm_source=feed</link_3g>
      <description><![CDATA[<p>被美团收购，对钱袋宝的CEO孙江涛来说，几乎是绝境逢生。</p><p>去年年初，原本停留在线上的微信、支付宝开始强势介入线下支付，印在小纸片上的二维码，以极低的铺设成本迅速打开局面，使得依靠铺设商户端POS机来收取交易手续费的传统线下收单公司们，陷入穷途末路。</p><p>但意外情况的出现，给了他们一条生路。央行出于监管目的宣称不再发放新牌照，现存的267张支付牌照立刻成为稀缺资源，价格急剧变贵。</p><p>这迫使有支付需求的大公司开始紧张地搜寻牌照，唯品会、小米、恒大、美的都在最近短短几个月内花费重金完成牌照的收购，更有大批二线互联网公司如滴滴、360、乐视和携程也在积极询价，36氪记者甚至在一些微信群中看到公开叫买叫卖支付牌照的现象，这都为第三方支付公司出售变现营造了绝好的窗口期。但这个窗口期不会太长，一旦所有买家完成收购，剩下的牌照价格可能会大幅跳水。</p><p>但对于已经把企业卖给美团点评的孙江涛，总算可以长吁一口气，尘埃落定之后，他和36氪聊了聊他15年的创业经历：<strong> 从最早在功能机时代从事电信SP（增值服务）业务，到2006年卖掉SP业务开始线下收单业务，再到移动互联网时代遭到微信支付宝抢夺市场，他的创业史俨然成为一部支付行业的沉浮简史。</strong></p><p>以下内容基于孙江涛的讲述，由36氪采访整理完成：</p><p><strong>1、功能机时代的支付机会</strong></p><p>我从2001年开始创业，缘起于当时中国移动发布的“移动梦网创业计划”——即允许sp合作伙伴使用中国移动的计费通道来提供增值服务，于是产生了一批依赖该支付通道的内容提供商。我们不打算做内容，但我们发现，通过扣除话费来缴费，电信运营商实际上可以充当支付通道的角色。</p><p>这就让我在其中找到了商业机会，很快就想到，游戏充值也完全有可能通过短信来充值，于是我们就把这个支付通道提供给各大主流游戏公司，再从中赚取差价，这件事做的比较顺利，到了2006年，看出来行业步入中后期，所以把这个业务卖给了中华网，获得2000万美金，完成了第一桶金的积累。后来，神州泰岳和掌趣这些电信增值业务公司都是靠sp业务实现的上市。</p><p>现在回忆，2001年-2006年这6年正是中国经济快速成长的时期——2001年最开始做的时候，中国全部移动手机只有4500万部，2006年我们退出时有五六亿部，行业翻了十倍，就是做的再差再笨，业绩也会增长。</p><p>卖掉没多久，SP行业的红利期就结束了，目前这个行业基本已经不复存在了，原因是移动互联网兴起，就不需要功能机上的Wap、彩信之类的传统支付实现方式，这就是被新技术革命掉的行业，我很幸运地提前完成退出。</p><p>彼时还孵化了“神州付”项目，就是除短信充值之外，用纸质话费卡给游戏充值，因为这个项目跟IDG结缘，2007年年底，跟当时还在IDG担任合伙人的张震在东三环的咖啡厅聊了一个小时，他觉得不错，才一两年就能看到不错的现金流，接着就见了一堆合伙人，被挑战一通之后，我们拿到了220万零五千美金的融资款。后来我再创业、直到这次被美团收购，张震都是我的投资人。</p><p>拿到钱之后怎么用？于是就在寻找新业务，想做网上借款的业务，所以就成立了钱袋宝的前身，但感觉我们的DNA还不适合，没有足够的支付和借贷经验，就停了下来。</p><p><strong>2、一片蓝海的支付市场</strong></p><p>再往后，就出现了“移动支付”的机会。2008年还是Feature phone（功能机）的天下，但已经显现出智能机快速兴起的苗头。那时候我们面临两种选择，一种就是做应用，把PC端应用搬到手机端上来，因为当时觉得手机屏幕小，所以认为手机应用仅仅是PC的子集，没想到会取代PC，而考虑到我们在pc端没有积累，直接做应用不一定有机会，就放弃了这条路。</p><p>但我们在游戏充值上有积累，所以就想沿着支付的路走得更宽。我们也判断，手机支付有重新洗牌机会。在排除做APP内容和手机借贷之后，我们坚定了移动支付的方向。</p><p>在进入支付行业之时，我发现了一个惊人的事实：仅航空领域一年票务的电子交易量就达到1000个亿，同时，航空领域一年的交易规模是4000个亿，这两组数字是不是矛盾的？</p><p>其实不是，原因很简单，从票务公司到一级代理（中航信）、二级代理，需要几道结算，这就增加了钱款流动的次数，整个产业的支付规模就变成4000亿元。从这一点就可以看出来，支付产业非常庞大。</p><p>所以现在来看，选中支付这个方向是对的，但可惜入手时选错了细节：我们想通过B-B-C的模式，即通过银行账户体系来切入C端，等于是帮银行部署手机银行的应用，我们的构想是在手机里装上一个类似U盾的安全硬件，让用户把一个安全芯片放到SIM卡槽里，从而让手机支付得以实现。</p><p>但是，我们高估了用户把一个硬件产品自主装到自己手机里的能力。看起来安装容易，把芯片装到SIM卡槽就搞定了，但用户插错甚至把机器弄坏的情况时有发生，我们甚至还为此给用户赔了几台手机。这也说明，多一个硬件就多一个累赘，让体验下降，因此让商业推广变慢。</p><p>而且，我们也过高估计了推进银行的速度。银行的问题是，虽然理念上支持，但决策周期太漫长，比如跟工商银行谈，要让30个处室来论证，都要出具意见，中间但凡有一个人没看懂或作梗就会把节奏拖慢。</p><p><strong>3、线下收单时代：微小的效率改进，就能带来净利润提升</strong></p><p>这样跑下来，最快的一家银行也花费了我们足足三年时间。这时候已经到了2010年，我们意识到不对劲，钱也烧得所剩不多，必须赶紧换方向。</p><p>好在这一年，我们迎来了一个机会，就是央行要发放支付牌照，于是我们花了六七个月集中人力去申请牌照，在2011年第一批拿到牌照，之后才开始规划收单业务。有了这块收单牌照，我们就可以去商户那里铺我们自己的POS机了，然后收取一定的费率，这就是收单业务。&nbsp;</p><p>转战线下收单市场后，几个月就在财务上打平了，并处于快速增长阶段。那是因为，2008年到2016年这个周期是中国货币增发的阶段，很多行业欣欣向荣。</p><p>而且，人们消费意识提升，线下吃喝玩乐消费需求被激活了，让我们赶上了这波“拉动内需”的潮流。我的感悟是，创业者做业务时候要赶到大势的节奏。我们幸运的地方是每一步都踩在经济周期中有意思的环节。</p><p>作为线下收单的新进入者，调研中我们发现小微商户小门店，没有收单机具，还是现金收款，每家交易规模一个月也就两三万流水，这么小的体量，用传统收单服务方式，都不足以弥补成本。</p><p>所以银行以前不愿意接入小商家，如果中间有一家支付公司集成一大堆小商户，有了更高的交易量，银行是愿意的；从C端看，用户只要有一种银行卡就能在任何商户支付。这样，<strong>就解决了C和B的量级的不对称性，带来了资源集成后的成本下降和效率提高，这是第三方支付的价值。</strong></p><p>因为有央行监管要求，安装POS机要现场拍摄商业环境，营业执照和税务登记证都要拍照，来确定是真实商户。我们的创新之处是把巡检中的定位、拍照、审核程序都首次通过APP来实现，比如商户有安装需求后，我们派单给最近的销售人员，于是提高了效率。&nbsp;</p><p><strong>因为是低毛利的行业，只要效率提高一点，省下来的钱就是净利润，所以微小的技术改进，带来了净利润大幅提升。</strong>到了2015年，我们交易量占整个行业的千分之六七，市场份额还比较小，每年是一千多亿的交易规模，按千分之1.5、1.6的费率算，我们获得的服务费是1.5亿。</p><p><strong>4、微信支付宝开始“降维打击”后&nbsp;</strong></p><p>但2015年上半年出现的几个趋势，让我意识到，这样的好景可能不长。</p><p>首先是同业竞争加剧。这个行业容纳了两百多家支付公司，蛋糕在过去五六年一直变大，每家都有自己的领地，井水不犯河水，暂且相安无事，但最近一两年，就开始短兵相接了，互相都在抢对方的商户。快钱，易宝，汇付天下成为我们主要竞争对手，模式一样，最终就只能拼费率，于是降低了所有人的毛利率。</p><p>还没来得及喘息，我们就发现了一个更可怕的事实：过去两年间，微信通过抢红包迅速实现了C端用户的大数量聚集，银行已经彻底沦为支付宝和微信的通道了。</p><p>比如，原来我们看信用卡账单，会看到在哪个商场消费了多少钱。现在再看账单，就只能看到是通过微信支付和支付宝花了钱，对银行而言，没有任何数据可言，<strong>这样一来，所有的用户消费行为和场景彻底被“短路”了。微信支付宝顺利完成了从线上到线下的入侵。</strong></p><p>通过推动线下扫码，微信、支付宝切走了大量线下pos机的市场份额。<strong>有一句叫“对手毁灭你，与你无关”，可以用来形容我们这个行业发生的事情——就在我们和快钱打得正火热之时，突然发现，连战场都没了，这就是毁灭性的降维打击。</strong></p><p>微信和支付宝之所以势如破竹，是因为从C端着手，部署成本很低，放张纸片二维码就行了，而我们要放几百块钱的机具，抵达过程也需要人工成本。微信完全可以非人工，店铺老板自己就可以去网站申请二维码，打印出来贴在收银台就行，不需要有人上门铺设。所以我们当时判断，微信二维码一定会大量普及。</p><p>微信支付宝撬动用户习惯的策略是，先把五道口、三里屯这些关键区域的全部商户拿下，通过大量烧钱来无死角部署二维码，并补贴所有用户，让用户养成习惯，之后用户再去其他地方，就会迅速迫使其他商家跟进。而且，覆盖过程中不需要更换手机和pos机，价值链条是穿透的，没有太多障碍。&nbsp;</p><p>现在还有一些同行帮支付宝部署机具，短期内确实挣钱了，但简直是与虎谋皮。过去帮银联部署pos机，银联只是裁判，不是运动员，最终还是需要我们，大家是价值链的不同环节。但是，帮微信、支付宝这些支付公司去部署二维码扫码工具就很可笑了，今天还给我们留千分之一的手续费可赚，明天说不定就取消了，这个利润分分钟就会消失，我们始终是被动的。&nbsp;</p><p>第三，行业还有一个变化，现在对我们还没有产生影响，但未来会产生很大影响，那就是Apple Pay的应用直接把支付集成到NFC中，用户体验会非常好，操作效率极高，而且有了安全芯片，安全程度比二维码还高出两个数量级，还能支持大额支付，因此会对传统银行卡刷卡消费业态形成冲击，吃掉我们的增长点。</p><p><strong>5、IPO也不是好出路</strong></p><p>看到这样的趋势之后，我们就想尽快IPO，<strong>通过资本的力量，反复兼并其他选手，把自己做到第一集团，从而实现退出。</strong>其实，在2014年就有四千万的净利润，2015年有五千万，已经符合创业板的上市条件。</p><p>但后来通过和券商、律师会计师沟通，基本结论是业务线有很多创新，都需要一些监管部门出具监管意见，涉及部门太多，也很难拿到通过意见，最终在证监会那里不会被认可，所以我们才放弃了这条路径。</p><p>独立上市未果，但支付市场的剧变依然没有停止，这促使我们今年决定卖掉公司。我们认为没有背景、没有用户量，独立的第三方支付公司会比较悲催，短期内很难找到放量上行的空间。</p><p>支付概念在二级市场还很受欢迎，从春节后，就有30多家上市公司来找我们，我挑选了三五家有实力的做了深度接触。但发现，这几家其实都无法和我们形成协同效应，感觉都是想靠概念来维持业绩，在资本市场讲故事，这和我们的理念不一致。</p><p><strong>6、被美团收购</strong></p><p>因此，互联网公司是我们更想接触的对象，第二梯队的互联网公司普遍都有需求。比如，小米，360，美团，乐视，滴滴，携程和今日头条。</p><p>最开始想卖给小米，但一打听才知道小米已经落实了一张牌照。接下来想接触今日头条，发现他们对支付的诉求不强烈，一年虽有几十亿收入，但都不是靠用户付费产生的，而是来自于B端的广告费。</p><p>后来找到美团，谈得非常友善，一拍即合。本来春节后没多久就谈好了的，但赶上五年牌照到期，需要续展，又拖了几个月才续完，这期间团队做了实验性的磨合，也没对团队披露，大家都以为签了大客户。&nbsp;</p><p>我们铺POS机的时间很晚，快钱、汇付天下都铺完两茬了我们才开始。所以当时在一线城市已经没机会了，我们就选择铺在二三线城市，这也和美团点评形成很大的协同效应。</p><p>我们虽然发展了120万商户，活跃商户也有几十万，但美团点评有6亿C端用户和450万商户，都能让钱袋宝的基本面扩得更宽。自己做第三方支付平台，要积累6亿用户谈何容易，用户不会为了支付而装我的支付工具，但用户会为了京东和美团点评去装，顺手着就把支付干了，竞争不在一个维度上。&nbsp;</p><p>美团点评看中我们两方面的价值：一是全牌照，我们有互联网支付、移动电话支付、收单牌照，还有跨境外汇支付牌照，一共四张全国范围的央行支付牌照，这在业内也没几家了；第二，我们团队不错，包括风控、合规、清算等都稳健运行了多年。</p><p>对美团来说，最大的意义是合规，通俗地理解：如果没这张牌照，是不可以管理别人的钱的——如果两个企业之间资金往来是贸易相向的，是一对一的，就不需要支付牌照。但如果涉及到三方，把钱给你，再由你转交到第三人，那么你是在一瞬间代替我管了这笔钱，那么你就需要牌照。</p><p><strong>7 金融对于互联网巨头的意义是什么</strong></p><p>很多人看到蚂蚁金服拥有支付宝，估值非常高。<strong>就会认为支付牌照有很大想象空间，但其实支付牌照只是一个必要条件，不是“放大器”。</strong></p><p><strong>支付宝值钱，是因为拥有阿里体系内的数亿用户，只有当牌照撞击了巨大用户量和刚需消费场景，这张牌照才能产生非常大的价值，否则仅仅就是个牌照。</strong></p><p>大家看到阿里的金融业务赚钱未必会跟进，因为觉得阿里的生态不可复制；但如果京东也做成了，大家都会心动。之前京东金融一拆分出来，估值就是460亿元。于是，百度、美团点评，甚至滴滴、万达都会想去做金融，即使短期内赚不到钱，光是估值和故事就很吓人。</p><p>因为它们有海量用户，各条业务线有现金流动。与其用别人的支付工具，为什么不自己做一个？再不济，也完全可以玩一个资本游戏，装一个支付公司进来，导1亿用户给它，然后进行融资，或者再卖掉，轻松赚回100亿，对于巨头们来说，赚完钱再用回微信、支付宝的支付通道也无关紧要。</p><p>对于我们来说，现阶段最好的结局，可能还是卖掉。在完成交接之后，我会开始新的创业计划，回首向来，过去十几年，捡到的都是小机会，没能成长为巨头，有点遗憾，我们还是希望能做点格局更大的事情。</p>]]>
      </description>
      <pubDate><![CDATA[Wed, 26 Oct 2016 16:53:42 +0800]]>
      </pubDate>
      <source>36氪</source>
    </item>
  </channel>
</rss>

思路

xml -> rss -> tinyxml -> regex

根据要求，只需要提取元素<title><link><description><content>，所以只需要关注rss文件的以上四个元素和在tinyxml2作为根节点的<channel>元素。

发现rss文件<description>的内容中存在形如<strong><p>的标签和&nbsp;的多余成分,用正则表达式\<.+?\>|&nbsp;过滤。

代码

#include "tinyxml2.h"
#include <string.h>
#include <stdio.h>
#include <stdlib.h>
#include <iostream>
#include <string>
#include <vector>
#include <fstream>
#include <regex>
using namespace std;
using namespace tinyxml2;
using std::regex;

struct Rss
{
    string title;
    string link;
    string description;
    string content;
};

class Dictionary
{
public:
    void Rssltem(const std::string& filename);
    void store(const std::string& filename);
private:
    vector<Rss> _Rss;
};

string delete_spilth(string line)
{
    regex rx(R"(\<.+?\>|&nbsp;)");
    return  regex_replace(line, rx, "");
                                      
}

/*
正则表达式R"(\<.+?\>)"在此的作用等价于<.+?>,大意是匹配所有<string>或<char>,string或char必须存在至少一个字符，否则匹配数量为0。  .+?的含义详见此链接     https://www.jb51.net/article/183106.htm
表达式中,\<和\>中的\用来表示<和>只是一个没有任何意义的字符。举个例子[xyz]表示匹配含有xyz的字符串，而/[xyz/]表示匹配含有[xyz]的字符串
R"()则属于c++11的特性，具体见https://segmentfault.com/a/1190000018903666
*/


void Dictionary::Rssltem(const std::string& filename)
{

    //声明
    XMLDocument xml;

    //导入xml文件
    if (xml.LoadFile("36kr.xml") != XML_SUCCESS)
    {
        cout << "导入文件失败" << endl;
        return;
    }

    cout << "导入文件成功" << endl;
    //找到导入的xml的根节点
    //
    XMLElement* rootNode = xml.RootElement();
    if (rootNode == NULL)
    {
        cout << "未找到根节点" << endl;
        return;
    }

    cout << "找到根节点" << endl;
    //读取第一层子节点信息并打印在控制台上
    XMLElement* root_1_channel = rootNode->FirstChildElement("channel");
    XMLElement* root_2_item = root_1_channel->FirstChildElement("item");

    while (root_2_item)
    {
        Rss rss;
        XMLElement* root_3_title = root_2_item->FirstChildElement("title");
        string title = root_3_title->GetText();
        rss.title = title;

        XMLElement* root_3_link = root_2_item->FirstChildElement("link");
        string link = root_3_link->GetText();
        rss.link = link;

        XMLElement* root_3_description = root_2_item->FirstChildElement("description");
        string descr = root_3_description->GetText();
        rss.description = delete_spilth(descr);

        _Rss.push_back(rss);

        root_2_item = root_2_item->NextSiblingElement("item");
    }
    cout << "读取完毕" << endl;

}
void Dictionary::store(const std::string& filename)
{
#ifdef Debug
    cout << "store" << endl;
#endif
    ofstream ofs(filename);
    if (!ofs.good())
    {
        cerr << "打开文件失败" << endl;
    }

    int size = _Rss.size();
    for (int i = 0; i < size; ++i)
    {

        char str_c[32] = { 0 };
        sprintf_s(str_c,sizeof(str_c), "%d", i + 1);
        ofs << "<doc>" << endl;;
        ofs << "    " << "<docid>" << str_c << "</docid>" << endl;;
        ofs << "    " << "<title>" << _Rss[i].title << "</title>" << endl;;
        ofs << "    " << "<link>" << _Rss[i].link << "</link>" << endl;;
        ofs << "    " << "<description>" << _Rss[i].description << "</description>" << endl;;
        ofs << "    " << "<content>" << _Rss[i].content << "</content>" << endl;;
        ofs << "    " << "</doc>" << endl;;
        ofs << endl;
    }
    cout << "写入结束" << endl;
}
int main()
{
    Dictionary fieq;
    fieq.Rssltem("36kr.xml");
    fieq.store("pagelib.txt");
    return 0;
}

 结果：