C++ XML文件和解析
XML（可扩展标记语言）是一种用于存储和传输数据的标记语言。它具有自描述性和平台无关性的特点。XML 文档的格式主要由一组嵌套的元素和属性构成，结构清晰，易于理解和解析。
XML 文档的基本格式
一个 XML 文档通常包括以下部分：
- XML 声明：标识文档和版本信息。
- 根元素：整个 XML 文档只能有一个根元素，所有其他元素必须嵌套在根元素内。
- 元素：具有开始标签和结束标签，可以嵌套其他元素。
- 属性：为元素提供额外的信息。
- 文本内容：元素可以包含文本内容。
- 注释：用于注释文档内容。
具体示例
以下是一个简单的 XML 文档示例，展示了上述基本部分：
Everyday Italian
Giada De Laurentiis
2005
30.00
Harry Potter
J K. Rowling
2005
29.99
Learning XML
Erik T. Ray
2003
39.95
XML 文档的详细部分
XML 声明：
这是文档的声明部分，指定了 XML 版本和编码方式。
注释：
注释可以放在 XML 文档中的任何位置，不会被解析器处理。
根元素：
bookstore 是根元素，所有其他元素都嵌套在其中。
元素：
Everyday Italian
Giada De Laurentiis
2005
30.00
book 是一个元素，其中包含了多个子元素和一个属性 category。
属性：
Everyday Italian
category 和 lang 是属性，为元素提供额外的信息。
文本内容：
Everyday Italian title 元素包含了文本内容 Everyday Italian。
常见的 XML 结构
嵌套元素：
元素可以嵌套其他元素，形成层级结构。
属性和子元素结合：
John Doe
HR
5000
元素可以同时包含属性和子元素。
自闭合元素：
自闭合元素是一种简洁的表示方式，不包含子元素。
XML 文档的规则
- 良好格式：XML 文档必须是良好格式的，即每个元素都必须正确关闭，元素必须正确嵌套，属性值必须用引号括起来。
- 区分大小写：XML 标签是区分大小写的。
- 根元素：每个 XML 文档必须有且只有一个根元素。
- 特殊字符：某些字符（如 <, >, & 等）在 XML 中有特殊含义，需要使用转义序列（如 <, >, &）表示。
XML文档解析
XML 文件解析通常有两种主要方式：DOM（Document Object Model）解析和 SAX（Simple API for XML）解析。这两种方法各有优缺点，适用于不同的应用场景。
DOM 解析
DOM 解析将整个 XML 文档读入内存中，并将其表示为一个树结构。每个节点在树中对应 XML 文档中的一个元素。用户可以通过 DOM API 访问和操作树中的节点。
优点
- 易于使用：通过树结构可以方便地访问和操作 XML 文档中的任意节点。
- 丰富的功能：支持随机访问和复杂的查询操作。
- 标准化：DOM 是 W3C 标准，广泛支持和文档丰富。
缺点
- 内存消耗大：需要将整个 XML 文档加载到内存中，对于大文件可能会导致高内存占用。
- 性能较低：解析和构建整个文档树的开销较大，处理大文件时性能可能会成为瓶颈。
适用场景
- 适用于需要频繁访问和操作 XML 文档的应用场景。
- 适用于中小规模的 XML 文档。
示例（使用 TinyXML）
#include
using namespace tinyxml2;
int main() {
XMLDocument doc;
doc.LoadFile("example.xml");
XMLElement* root = doc.RootElement();
if (root != nullptr) {
XMLElement* element = root->FirstChildElement("ElementName");
if (element != nullptr) {
const char* text = element->GetText();
printf("Element text: %s\n", text);
}
}
return 0;
} SAX 解析
SAX 解析是一种事件驱动的解析方法，逐行读取 XML 文档，并在遇到不同的结构（如开始标签、结束标签、文本节点等）时触发相应的事件处理函数。SAX 解析不会将整个文档加载到内存中，而是按需处理文档内容。
优点
- 内存消耗低：不需要将整个文档加载到内存中，适合处理大文件。
- 性能高：按顺序处理文档内容，解析速度快。
缺点
- 使用复杂：事件驱动的编程模型较为复杂，需要编写事件处理函数。
- 不支持随机访问：只能按顺序读取文档内容，无法直接访问任意节点。
适用场景
- 适用于处理大型 XML 文档或内存有限的环境。
- 适用于一次性读取和处理文档内容的场景。
示例（使用 Expat）
#include
#include
#include
void startElement(void *userData, const char *name, const char **atts) {
printf("Start element: %s\n", name);
}
void endElement(void *userData, const char *name) {
printf("End element: %s\n", name);
}
void characterData(void *userData, const char *s, int len) {
printf("Character data: %.*s\n", len, s);
}
int main() {
FILE *file = fopen("example.xml", "r");
if (!file) return 1;
XML_Parser parser = XML_ParserCreate(NULL);
XML_SetElementHandler(parser, startElement, endElement);
XML_SetCharacterDataHandler(parser, characterData);
char buffer[1024];
size_t len;
while ((len = fread(buffer, 1, sizeof(buffer), file)) != 0) {
if (XML_Parse(parser, buffer, len, feof(file)) == XML_STATUS_ERROR) {
fprintf(stderr, "Parse error at line %lu:\n%s\n",
XML_GetCurrentLineNumber(parser),
XML_ErrorString(XML_GetErrorCode(parser)));
return 1;
}
}
XML_ParserFree(parser);
fclose(file);
return 0;
} 总结
- DOM 解析：适合需要随机访问和操作 XML 内容的场景，使用简单但内存和性能消耗较大。
- SAX 解析：适合处理大文件或内存有限的场景，性能高但使用复杂。
tinyxml2 库
tinyxml2 是一款简单、小巧、高效的开源C++ xml解析库，在 tinyxml2 库中，XMLNode 是一个基类，它有几个派生类型。这些派生类型用于表示不同类型的 XML 节点。以下是 XMLNode 的主要派生类型：
XMLDocument:
- 表示整个 XML 文档。
- XMLDocument 是 XMLNode 的根，可以包含其他节点。
- 提供了加载、保存和解析 XML 文档的功能。
XMLElement:
- 表示 XML 文档中的一个元素（节点）。
- 可以包含其他元素、属性和文本。
- 是最常用的节点类型，用于表示 XML 标签。
XMLText:
- 表示 XML 元素中的文本内容。
- 用于包含实际的文本数据。
XMLComment:
- 表示 XML 文档中的注释节点。
- 注释节点内容不参与 XML 文档的逻辑处理，只用于提供额外的信息。
XMLDeclaration:
- 表示 XML 文档的声明部分（如 ）。
- 通常在文档的最开始。
XMLUnknown:
- 表示未知的 XML 节点类型。
- 用于处理不符合其他已知节点类型的节点。
XMLAttribute:
- 严格来说，XMLAttribute 不是从 XMLNode 派生的，但它用于描述 XML 元素的属性。
- 属性节点包含名称和值，不直接参与 XML 文档的树结构。
tinyxml2解析有限元求解文件
一些有限元求解器的求解文件就是xml格式的，以开源FEM软件FEBio的求解文件为例，我们使用tinyxml2来提取里面的一些关键信息。
对于一个包含2万节点，12万单元的模型文件，我们通过tinyxml2解节点和单元信息花了0.3s，这个效率还是不错的。
如下为tinyxml2解析FEBio求解文件源码：
#include "tinyxml2.h"
#include
#include
#include