面向CXML解析器实现与研究.docVIP

面向CXML解析器实现与研究 　　摘要：讨论了XML解析器的??C++实现以及对应的DOM接口，其主要任务是为应用程序提供一个简洁、高速、低内存消耗的XML解析接口，并在保证性能的前提下提供尽可能多的DOM支持。讨论了一个解析器的模型，以及如何用LEX和YACC来实现这个解析器及DOM Level 1Core的??C++实现和与解析器的配合问题。 　　关键词：解析器； C++； 可扩展标记语言； 文档对象模型 　　中图分类号：TP311文献标志码：A 　　文章编号：1001-3695(2007)12-0268-04 　　 　　0引言 　　 　　XML是在因特网上应用非常广泛的一种数据交换语言，经常被称为“因特网上的世界语”，其应用之广泛可见一斑。从W3C制定其标准的那天开始，人们研究并实现了多个XML解析器的版本，一般有DOM和SAX两种。DOM[1](document object model，文档对象模型)用对象的概念来描述文档中的各种元素。DOM是基于平台、语言无关的官方W3C标准。基于树的层次，其优点是可以移植，编程容易，开发人员只需调用建树的指令；其缺点是加载大文件不理想。SAX[2]是基于事件模型的，它在解析 XML文档时可以触发一系列的事件。当发现给定的tag时，它可以激活一个回调方法，告诉该方法制定的标签已经找到，它类似于流媒体的解析方式，所以在加载大文件时效果不错。 　　DOM完全在内存中描述一个元素树，所以DOM需要大量的内存和较高的主频，这使它很难与许多轻量级的Web应用一起工作。SAX没有在内存中建立一个元素树，但是SAX也不支持修改XML文档和随机读取。绝大部分涉及XML的应用程序，并不需要XML标准里面所规定的所有东西，它们只需要其中的一小部分，并且希望这部分实现起来最好是快速的、低内存消耗的。本系统的设计与研究旨在为利用??C++技术为应用程序提供一个简洁、高速、低内存消耗的XML解析器。为了达到这个目标，首先必须对XML标准进行裁减，在此基础上提供一个便于使用的接口。 　　 　　1面向C++的XML解析器的设计与实现 　　 　　系统采用层的结构作为开发模型。这些层自下而上分别是操作系统文件层、编码层、词法分析层、语法分析层、内部数据层和DOM接口层，如图1所示。各个层的作用如下： 　　a)操作系统文件层。它负责读取应用程序所指定的文件，以二进制数据流的形式传送到编码层。将该层独立出来，提高了程序的可移植性，并且可以单独针对特定的操作系统作性能优化。 　　b)编码层。该层将判断数据流的编码格式，并且将所有的格式转换为内部使用的UTF－16格式，将转换后的unicode字符流传送到词法分析层。 　　c)词法分析层。分析字符流、识别语法成分，并以语法标记的形式传送给语法分析层。该层用LEX（lexical analyzer）和YACC（yet another compiler compiler）来实现。其中：LEX是一种生成扫描器的工具；YACC是一种工具，将任何一种编程语言的所有语法翻译成针对此种语言的YACC语法解析器[3]。 　　d)语法分析层。分析语法标记，并验证其组合次序是否符合XML语法的规定；最后将符合规定的XML语法成分以特定的数据格式（XML记录）拼装起来，送入内部数据层中。 　　e)内部数据层。该层接收XML记录，将其放入内部数据表，并负责维护该数据表，提供调用接口。该层以精简的方式存放了所有的XML数据，并且支持以流的方式来读取，可以与关系数据库直接对应。 　　f)DOM接口层。用DOM的接口来包装内部数据层所提供的数据和接口，方便理解和使用。 　　该设计利用模块化的思想，将各个功能单独地封装在一个模块中，有较好的扩展性和通用性。 　　1．1实现方案 　　系统涉及三种编程工具，即??C++编译系统、LEX和YACC。它们的关系如图2所示。 　　按照XML标准编写词法规则和语法规则，由LEX和YACC两个工具处理后，可以得到词法分析层和语法分析层的??C++源代码。将这些源代码与其他层的组合起来，通过??C++编译系统来生成最后的程序。 　　1．1．1XML标准的加工 　　本系统所参照的XML标准为W3C的extensible markup language(XML) 1．0: 2nd edition。该标准规定了XML文档的结构，以及文档中各种元素之间的逻辑对应关系。 　　这些标准是用EBNF的方式来描述的，总共有84条规则（规则最大编号为89。其中33~38条规则已经被删除，编号28的规则还有一条子规则为28a）。规则之间存在一些额外的约束,如单一元素约束，即一个XML文档只能包括一个根节点。该标准由以下部分组成： 　　d