Создайте собственный XML-синтаксический анализатор/алгоритм XML-анализа?

Question

Итак, как забавный проект, я решил написать свой собственный синтаксический анализатор XML. Нет, не анализировать конкретный документ и нет, не используя библиотеку XML-анализатора. Я имею в виду написание кода для анализа любого XML-документа в пригодную для использования структуру данных. Просто потому, что мне нравится вызов. :-)

С учетом сказанного, до сих пор это оказалось ... интересным. Это не так легко разобрать (особенно, когда вы начинаете принимать во внимание специальные символы, CDATA, пустые теги, комментарии и т. Д.), Поскольку они изначально выглядели.

Есть ли хорошо документированные алгоритмы синтаксического анализа XML или объяснения в любом месте, о котором кто-либо знает? Кажется, что есть хорошо документированные операции Queue, Stack и BTree и т. Д. И т. Д. И т. Д. И т. Д. И т. Д., Но я не уверен, что когда-либо видел простой, хорошо документированный алгоритм XML-анализатора ...

Повторяю: Я не ищет сборную парсерную библиотеку! Я ищу информацию о как создать собственную собственную сборную библиотеку анализатора! Не говорите мне «использовать expat» или «использовать SAX» или что-то еще. Это не то, о чем я прошу.

Answer 1

Antlr предлагает tutorial при разборе XML. Он разбивает процесс на фазы: лексирование, синтаксический анализ, разбор дерева и т. Д. Выглядит довольно интересно.

Answer 2

http://expat.sourceforge.net/

Expat является XML-парсер библиотека написана на C. Это потоковый анализатор, в котором приложение регистрирует обработчики для вещей анализатор может найти в документе XML (например, начать теги). Вводная статья об использовании Expat доступна на xml.com.

Answer 3

Я не знаю, будет ли это «обманывать» в вашей книге, но вы можете попробовать разобрать свой XML с готовым универсальным парсером языка, таким как ANTLR. Результатом будет список токенов (если вы просто используете lexer) или дерево синтаксического анализа (если вы включаете парсер), и тогда вы можете перестроить дерево разбора почти 1: 1 в структуру XML.

Возможно. Я не думал о том, как XML может отличаться от «нормального» корма ANTLR, такого как языки программирования, и сможете ли вы определить подходящую грамматику.

Answer 4

VTD-XML, возможно, самый простой способ анализа ...