XML解析器简介
--- Xerces C++
Apache Xerces-C++是一个非常健壮的XML解析器，是Apache XML 组的核心项目，其前身是IBM的XML4C项目。 提供的两种解析XML文档的方法：
SAX是一个面向事件的编程API。一个解析引擎消耗XML序列数据，并在发现进来的XML数据的结构时回调应用程序，这些回调称为事件句柄。
DOM（文档对象模型）与SAX不同，它允许对XML文档进行编辑并保存为一个文件或者流，还允许以编程的方式构建一个XML文档。DOM提供了一个内存中的模型，你可以遍历文档树，删除节点或者嫁接新节点。与解析的SAX事件不同，DOM事件反映出用户与文档的互动以及使用文档的改变。
总的来说，SAX是按行遍历XML文档的，而DOM是先把XML文档生成树，然后遍历DOM树，来解析每个节点。
Xerces-C++ DOM解析器的状态机制
利用 Xerces-C++ 提高 XML 应用程序的性能
David A. Cargill (cargilld@ca.ibm.com), 软件开发人员, IBM
2008 年 6 月 19 日
XML 已成为应用程序之间和在 Web 上进行数据交换的主要组成。通过本文学习如何适当地使用 Xerces-C++ 来提高 XML 应用程序的性能。您将了解到有效使用解析器的最佳方法以及哪些特性和属性将影响解析器的性能。
随着 Web 服务和面向服务架构（SOA）的出现，XML 已变得非常流行。它对于应用程序之间和 Web 上的数据交换起着非常重要的作用，并且是许多性能关键型场景的基础。
常用缩写词
API：应用程序编程接口（application programming interface）
CPU：中央处理单元（Central Processing Unit）
DOM：文档对象模型（Document Object Model）
DTD：文档类型定义（Document Type Definition）
SAX：XML 简单 API（Simple API for XML）
W3C：万维网联盟（World Wide Web Consortium）
XML：可扩展标记语言（Extensible Markup Language）
您可以通过有效地使用解析器提高 XML 应用程序的性能。Xerces-C++ 是可从 Apache 获得的开放源码 XML 验证解析器。本文将展示许多利用 Xerces-C++ 解析器提高应用程序性能的技巧。
Xerces-C++ 是一个作为共享库提供的 XML 验证解析器。这个库包含针对 DOM 和 SAX 的接口。具体地说，SAXParser 是针对 SAX 1.0 规范的接口：SAX2XMLReader 是针对 SAX 2.0 规范的接口；XercesDOMParser 是针对 DOM 规范的接口；DOMBuilder 是 DOM Level 3.0 Abstract Schemas and Load and Save 规范的 Load 接口的一个实现。
属性和特性
许多属性和特性对解析器的性能都有很大的影响。
使用正确的扫描程序
Xerces-C++ 的主要组件之一是扫描程序。它不只负责扫描 XML 实例，而且在评定 XML 文档的有效性方面起着重要作用。
Xerces-C++ 有四个扫描程序：IGXMLScanner、WFXMLScanner、DGXMLScanner 和 SGXMLScanner。为您的场景选择合适的扫描程序对于获得更好的性能非常重要。IGXMLScanner（默认的扫描程序）是一个通用的扫描程序，它不仅处理格式是否良好，而且针对 DTD 和/或 XML Schema 验证 XML 文档。另一方面，WFXMLScanner 只负责检查格式是否良好而不进行语法验证。如果您只关注文档的格式良好性就使用 WFXMLScanner。如果只进行 DTD 验证就使用 DGXMLScanner，如果只进行 XML Schema 验证就使用 SGXMLScanner。
通过在 SAX2XMLReader API 或 DOMBuilder API 中设置扫描程序属性，可以通知解析器使用哪个扫描程序。清单 1 说明如何在 SAX2XMLReader 上设置扫描程序。
清单 1. 在 SAX2XMLReader API 上设置扫描程序
#include
#include
#include
XMLGrammarPool *grammarPool = new XMLGrammarPoolImpl(XMLPlatformUtils::fgMemoryManager);
SAX2XMLReader* parser = XMLReaderFactory::createXMLReader(
XMLPlatformUtils::fgMemoryManager, grammarPool);
parser->setProperty(XMLUni::fgXercesScannerName, (void *)XMLUni::fgSGXMLScanner);
对 SAXParser API 或 XercesDOMParser API，您可以调用 useScanner 方法来指定解析器应该使用哪个扫描程序，如 清单 2 所示。
清单 2. 在 SAXParser API 上设置扫描程序
#include
#include
SAXParser parser = new SAXParser();
parser->useScanner(XMLUni::fgDGXMLScanner);
要了解更多关于如何在 Xerces-C++ 中使用特定扫描程序的信息，请参阅 参考资料。
控制验证
指定了使用哪种扫描程序后，您仍然可以使用一些特性来控制解析器是否执行验证。
通过在 SAX2XMLReader API 或 DOMBuilder API 中设置验证特性，可以告诉解析器如何验证一个实例文档。清单 3 说明了如何实现上述功能。
清单 3. 在 DOMBuilder API 中设置验证
#include
#include
#include
#include
static const XMLCh gLS[] = { chLatin_L, chLatin_S, chNull };
DOMImplementation *impl = DOMImplementationRegistry::getDOMImplementation(gLS);
DOMBuilder *parser = ((DOMImplementationLS*)impl)->createDOMBuilder(
DOMImplementationLS::MODE_SYNCHRONOUS, 0);
/* specify a validating parse */
parser->setFeature(XMLUni::fgDOMValidateIfSchema, true);
parser->setFeature(XMLUni::fgDOMValidation, true);
/* for SAX2 use XMLUni::fgSAX2CoreValidation and XMLUni::fgXercesDynamic */
对 SAXParser API 或 XercesDOMParser API，您可以调用 setValidationScheme 方法来指定验证，如 清单 4 所示。
清单 4. 在 XercesDOMParser API 中设置验证
#include
XercesDOMParser *parser = new XercesDOMParser();
/* specify a non-validating parse */
parser->setValidationScheme(XercesDOMParser::Val_Never);
其他特性
表 1 展示了一些影响解析器性能的其他特性。
表 1. 其他 Xerces-C++ 性能特性
SAX2/DOM Level 3 setFeature XMLUni 成员 说明
SAX1/Xerces DOM 解析器设置方法
fgXercesLoadExternalDTD 控制是否解析外部的 DTD
setLoadExternalDTD
fgXercesCalculateSrcOfs 控制对源代码偏移量的计算，此特性开销较大
setCalculateSrcOfs
fgXercesIdentityConstraintChecking 控制是否检查模式一致性约束
setIdentityConstraintChecking
fgXercesIgnoreAnnotations 控制在遍历模式时是否忽略注释
setIgnoreAnnotations
fgXercesSchemaFullChecking 控制是否全面检查模式中的额外错误（查找这些错误非常耗时或消耗内存）
setValidationSchemaFullChecking
Xerces-C++ 编程指南（参阅 参考资料）描述了 Xerces-C++ 的特性。
数据处理
一些 API 对解析器的性能有重大影响，因为对具有单一实例的文档进行解析可能会大量调用这些函数。
避免对 XMLString::transcode() 进行不必要的调用
如果您提前知道要进行编码转换的字符串的内容，最好为该字符串创建一个 XMLCh 字符串常量，如 清单 5 所示，而不是调用 XMLString::transcode()。
清单 5. 定义 XMLCh 字符串
// define a constant XMLCh string for 'Element_Name'
#include
XMLCh Element_Name[] = { chLatin_E, chLatin_l, chLatin_e, chLatin_m, chLatin_e,
chLatin_n, chLatin_t, chUnderscore, chLatin_N, chLatin_a,
chLatin_m, chLatin_e, chNull };
通过使用常量字符串，可以避免分配内存、复制字符串和编码转换过程。您也不必释放由 transcode 函数返回的内存，因为此时这是调用者的责任。频繁地在 XMLCh 和 char 之间进行编码转换会严重影响性能，因此在可能的情况下尽量使用一种格式处理数据。
获得 XMLCh 字符串常量的一个简单方法是使用脚本目录中的 makeStringDefinition.pl。Xerces-C++ 使用许多在头文件 xercesc/util/XMLUni.hpp 中定义的预定义符号。
避免调用 XMLString::stringLen() 来检查零长度的字符串
如果您只是想要检查一个零长度字符串，而不是调用 XMLString::stringLen(string)，只需要检查该字符串是不是 NULL 或者它的第一个字符是不是空字符。清单 6 说明如何避免使用 XMLString::stringLen() 来检查一个零长度的字符串。
清单 6. 检查零长度字符串
if (xmlStr == 0 || *xmlStr == 0) {
// string is zero length
}
这段代码帮助您避免额外地传递字符串。
避免调用 XMLString::compareIString()
XMLString::compareIString() 方法使用编码转换程序来进行不区分大小写的字符串比较。如果已知所要比较的数据只有字母字符（A 到 Z），您应该使用 XMLString::compareIStringASCII() 例程。这个例程检查字符是否在 A 到 Z 之间，然后将其转换为小写字母并将它直接和其他字符比较。
使用 XMLString::compareIStringASCII() 避免了调用编码转换服务执行比较。作为一种替代方法，您可以调用 XMLString::equals() 方法。清单 7 展示了三种方法。
清单 7. 字符串比较
#include
XMLCh* data;
XMLCh Element[] = { chLatin_E, chLatin_l, chLatin_e, chLatin_m, chLatin_e,
chLatin_n, chLatin_t, chNull };
if (XMLString::compareIString(data, Element) == 0) { ... }
/* Since Element only has the characters A to Z, this could be done more
efficiently using: */
if (XMLString::compareIStringASCII(data, Element) == 0) { ... }
/* Even better is when you don't require a case-sensitive comparison */
if (XMLString::equals(data, Element)) { ... }
最小化处理程序
如果您只想测试一个文档是否格式良好和（或）是否是有效的，只要注册一个 ErrorHandler。当注册一个 DocumentHandler 和/或 AdvDocHandler 时，将执行从 Xerces-C++ 库到应用程序的额外的不必要的调用，如果使用 AdvDocHandler 只为了得到 XMLDecl 回调信息，您就可以在获得 XMLDecl 信息后调用 removeAdvDocHandler。
在序列化过程中避免使用 XMLFormatter::UnRep_Fail
如果您试图格式化 XML，请谨慎地使用 XMLFormatter::UnRep_Fail。这个选项将检查每个字符，查看它是否可以被转换成目标编码。如果原始文档的编码和目标编码相同，并且目标编码中的修改仍然有效，您应该使用 XMLFormatter::UnRep_CharRef。
模式语法缓存
如果进行模式验证和重用同一模式，需要使用 Xerces-C++ 的语法缓存特性。更多信息请查看 developerWorks 文章 “使用 Xerces-C++ 缓存和序列化 XML 模式”（请参阅 参考资料）。
Xerces-C++ 初始化
根据 Xerces-C++ 线程模型，主线程调用 XMLPlatformUtils::Initialize()。然后您可以创建其他用于解析的线程（每个线程创建一个解析器）。最后主线程调用 XMLPlatformUtils::Terminate()。
XMLPlatformUtils::Initialize() 是一个开销较大的操作。即使不使用多线程处理，也要预先初始化 Xerces-C++ 以避免多次调用这个函数，然后在应用程序结束时将其终止。如 清单 8 所示，将 XMLPlatformUtils::Initialize 的最后一个参数 toInitStatics 指定为 true，将使初始化过程变得更长，但它能产生更好的解析性能，因为它预先初始化了所有静态变量。
清单 8. 通过初始化调用实现所有静态变量的初始化
#include
XMLPlatformUtils::Initalize(XMLUni::fgXercescDefaultLocale, 0, 0, 0, true);
类似地，在初始化期间可以创建一个解析器池（每个线程创建一个）。当需要解析文档时，可以在运行时使用这些解析器，从而避免构造和分解解析器的开销。
结束语
在本文中，我们展示了许多关于如何使用 Xerces-C++ XML 解析器提高应用程序性能的技巧和建议。采用这些建议能够降低解析 XML 文档时 Xerces-C++ 的 CPU 消耗。
本文档为【Xerces简介】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。
该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。
[版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
浙公网安备 33021202002483