用C解析XML的问题

hareqiqi

网上的一些资料表明使用Expat或者LibXml的库对中文的支持都不太好，需要转码，可能会影响效率。
TinyXml看似可以解决中文问题，不过是用DOM方式的解析（效率可能不如SAX方式高）

请做过的高手讲一下Linux下C解析XML可行性如何？可行/效率/稳定？

[ 本帖最后由 hareqiqi 于 2007-2-1 14:50 编辑 ]

HonestQiao

原帖由 hareqiqi 于 2007-2-1 14:44 发表于 1楼  
网上的一些资料表明使用Expat或者LibXml的库对中文的支持都不太好，需要转码，可能会影响效率。
TinyXml看似可以解决中文问题，不过是用DOM方式的解析（效率可能不如SAX方式高）

　　你所有的数据如果是UTF-8的，那么就不需要任何转码工作。
　　如果你又不想转码，那么就让你的数据是UTF-8的吧。

1. 
   
2. 经过不断的接触，发现LibXML2自身已经支持了中文编码.只是他的所有api处理的数据都是UTF-8类型的，所以只要在读入和写入数据时进行相应转换即可！而且libxml2已融合了iconv，以下是代码！flags标示是读入(0)还是写入(1)!已测试通过
   
3. 
   
4. uint8_t *convert(uint8_t *in, char *encoding, uint8_t flags)
   
5. {
   
6.     uint8_t *out;
   
7.     int ret, size, out_size, temp;
   
8.     xmlCharEncodingHandlerPtr handler;
   
9.     size = (int) strlen( (char*)in ) + 1;
   
10.     out_size = size * 2 - 1;
    
11.     out = (uint8_t *)malloc((size_t) out_size);
    
12.     if (out) {
    
13.         handler = xmlFindCharEncodingHandler(encoding);
    
14.         if (!handler) {
    
15.             free(out);
    
16.             out = NULL;
    
17.         }
    
18.     }
    
19.     if (out) {
    
20.         temp = size - 1;
    
21.         if ( flags ) {
    
22.             ret = handler->input(out, &out_size, in, &temp);
    
23.         }else {
    
24.             ret = handler->output(out, &out_size, in, &temp);
    
25.         }
    
26.         if (ret || temp - size + 1) {
    
27.             if (ret) {
    
28.                 printf("conversion wasn't successful.\n");
    
29.             } else {
    
30.                 printf("conversion wasn't successful. converted: ");
    
31.             }
    
32.             free(out);
    
33.             out = NULL;
    
34.         } else {
    
35.             out =(uint8_t *) realloc(out, out_size + 1);
    
36.             out[out_size] = 0;  /*null terminating out */
    
37.         }
    
38.     } else {
    
39.         printf("no mem\n");
    
40.     }
    
41.     return (out);
    
42. }
    
43. 
    
44. int main(int argc, char **argv)
    
45. {
    
46.     uint8_t *content, *out, *in;
    
47.     xmlDocPtr doc;
    
48.     xmlNodePtr rootnode;
    
49.     char *encoding = "ISO-8859-1";
    
50.     //char *encoding = "utf-8";
    
51.     if (argc <= 1) {
    
52.         printf("Usage: %s content\n", argv[0]);
    
53.         return (0);
    
54.     }
    
55.     content = (uint8_t *)argv[1];
    
56. 
    
57. 
    
58.     out = convert(content, encoding, 1);
    
59.     in = convert( out, encoding, 0 );
    
60.     doc = xmlNewDoc( (xmlChar*)"1.0" );
    
61.     printf( "%s:%s\n", encoding, out  );
    
62.     printf( "%s:%s\n", encoding, in  );
    
63.     rootnode = xmlNewDocNode(doc, NULL, (const xmlChar *) "root", out);
    
64.     xmlDocSetRootElement(doc, rootnode);
    
65.     xmlSaveFormatFileEnc("-", doc, encoding, 1);
    
66.     free( out );
    
67.     free( in );
    
68.     return (1);
    
69. }
    

复制代码

HonestQiao

请做过的高手讲一下Linux下C解析XML可行性如何？可行/效率/稳定？

完全可行，效率很好，稳定性很好。

hareqiqi

我要修改xml节点的某个值为汉字是不是先要转换
如：
http://blog.csdn.net/force_eagle/archive/2005/03/03/309644.aspx
中提到的：
szNode = Convert("gb2312", "utf-8", "测试" );
取出来的时候要相反的转换。
这样做频繁的转换效率会不会很低。

hareqiqi

可不可以将XMLDoc直接传输而不生成文件
因为我是想根据发送过来的数据生成XML消息来进行传输的。
另外Windows端接收到该消息解析应该也没有问题吧

HonestQiao

原帖由 hareqiqi 于 2007-2-1 16:55 发表于 5楼  
可不可以将XMLDoc直接传输而不生成文件
因为我是想根据发送过来的数据生成XML消息来进行传输的。
另外Windows端接收到该消息解析应该也没有问题吧

完全可以直接输出的啊，和普通的http的html输出类似。

HonestQiao

原帖由 hareqiqi 于 2007-2-1 16:51 发表于 4楼  
我要修改xml节点的某个值为汉字是不是先要转换
如：
http://blog.csdn.net/force_eagle/archive/2005/03/03/309644.aspx
中提到的：
szNode = Convert("gb2312", "utf-8", "测试& ...

最好的方法，是你的整个系统采用UTF-8。

程序情人

我用过LIBXML2编解码,在处理中文字符时,是事先将要加为节点的文本进行base64编码,base64编解码比较简单,结合LIBXML2使用感觉效果稳定性都不错
注:我是在电信行业短信操作时用的.建议楼主可试着用一下,编码后的XML文档可直接拿到JAVA里边的工具解码.

wafeffcs

我这里有一份关于LINUX下的LINXML的应用，是关于LINUX下C中对XML的操作，要的话，给我你的邮箱

yhp

方便的话，也请给我一份 yhp@21cn.com