C ++中的高性能XML解析

Question

关于在C ++中解析XML等问题已经提出了很多问题......但是，我的问题非常具体，而不是一般问题。

我要求一个非常有效的C ++ XML解析器。 特别是我有一个非常非常大的XML文件来解析。 我的应用程序必须打开此文件并检索数据。 它还必须插入新节点并再次将最终结果保存在文件中。

为了做到这一点，我在开始时使用了rapidxml，但它要求我打开文件，解析所有内容（所有内容因为这个lib没有直接访问文件的功能而不先加载整个树），然后编辑树，修改它并通过覆盖它将最终树存储在文件上...它消耗了太多的资源。

是否有一个XML解析器，不需要我加载整个文件，但我可以用来快速插入新节点和检索数据？ 你能指出我这个问题的解决方案吗？

Answer 1

您需要流式XML解析器而不是所谓的DOM解析器。

有两种类型的流解析器：拉和推。 pull解析器适用于快速编写将数据加载到程序存储器中的XML解析器。 推送解析器适用于编写程序以将一个文档转换为另一个文档（这是您要完成的任务）。 因此，我认为推送解析器最适合您的问题。

为了使用推送解析器，您需要编写本质上是用于解析事件的事件处理程序。 通过“解析事件”，我的意思是“达到开始标记”，“达到结束标记”，“找到文本”，“解析属性”等事件。

我建议您在阅读文档时，将转换后的文档写入单独的临时文件。 因此，需要编写XML解析事件处理程序，使它们具有状态，并逐步写出已翻译文档的XML。

C ++的三个优秀推送解析器库包括Expat ， Xerces-C ++和libxml2 。

Answer 2

搜索“SAX解析器”。 它们大多是标记化器，即它们不依赖标记而不构建树。

Answer 3

SAX解析器比DOM解析器更快，因为DOM解析器在构建XML文档的内存表示之前将整个文件读入内存，而SAX解析器的行为类似于事件侦听器，并在文档读取时构建文档。 到这里来解释一下 。

正如您所提到的， Xerces是一个很好的C ++ SAX解析器。

我建议寻找将XML文档分解为较小的XML文档的方法，因为这似乎是您的问题的一部分。

Answer 4

我确信不存在允许您在不加载文件的情况下修改文件的XML库。 这根本不可能，因为文件不能以这种方式工作：您不能在文件中间插入（或删除）。 您只能覆盖相同大小的块，或者在末尾附加 。 但是您的请求需要在文件中间追加或删除。

只读取XML文件的一部分是可能的。 但写作 ......没办法。

Answer 5

好吧，这是一个偏僻的轨道，我看着这个，但我自己并没有真正使用它，它被称为asmxml 。 这些男孩声称性能没有，缺点，你需要x86汇编程序。

Answer 6

如果你真的寻求高性能的XML流解析器，那么libhpxml对你来说可能是正确的。

Answer 7

尽可能使用模板库，如Boost :: property_tree或Boost :: XMLParser或POCO :: XML，Folly中包含XML Parser。

避免使用旧的C库，这是旧的代码设计。

Answer 8

有人说QtXML模块对于巨大的XML文件来说是高性能的。