Легкий синтаксический анализатор XML для больших файлов?

Question

Мне нужно проанализировать потенциально огромные XML-файлы, поэтому я предполагаю, что это исключает парсер DOM.

Есть ли какой-либо хороший легкий анализатор SAX для C++, сопоставимый с TinyXML на рабочем месте? Структура XML очень проста, для этого не требуются расширенные функции, такие как пространства имен и DTD. Просто элементы, атрибуты и cdata.

Я знаю о Xerces, но его размер размером более 50 мб дает мне дрожь.

Спасибо!

Answer 1

Если вы используете C, вы можете использовать LibXML из проекта Gnome. Вы можете выбрать из DOM и SAX-интерфейсов свой документ, а также множество дополнительных функций, которые были разработаны в течение многих лет. Если вы действительно хотите C++, вы можете использовать libxml++, который является оберткой C++ OO вокруг LibXML.

Библиотека доказана снова и снова, является высокой производительностью и может быть скомпилирована практически на любой платформе, которую вы можете найти.

Answer 2

Если ваша структура XML очень проста, вы можете рассмотреть возможность создания простого лексера/сканера на основе lex/yacc (flex/bison). Источники в W3C могут вас вдохновить: http://www.w3.org/XML/9707/parser.y и http://www.w3.org/XML/9707/scanner.l.

Смотри также SAX2 interface in libxml

Answer 3

Мне нравится Expat
http://expat.sourceforge.net/

Это C основе, но есть несколько C++ обертками вокруг, чтобы помочь.

Answer 4

http://sourceforge.net/projects/wsdlpull это прямо с ++ порт Java xmlpull API (http://www.xmlpull.org/)

Я очень рекомендую этот анализатор. Я должен был настроить его для использования на моем встроенном устройстве (без поддержки STL), но я обнаружил, что он очень быстрый с очень небольшими накладными расходами. Я должен был создать свои собственные классы строк и векторов, и даже с теми, которые он составляет около 60 тыс. На окнах.

Я думаю, что вытягивание парсинга намного интуитивно понятное, чем что-то вроде SAX. Код гораздо более точно отражает XML-документ, упрощающий сопоставление двух.

Единственный недостаток заключается в том, что он только вперед, что означает, что вам нужно разобрать элементы по мере их поступления. У нас есть довольно запутанный дизайн для чтения наших конфигурационных файлов, и мне нужно разобрать целое поддерево, сделать некоторые проверки, а затем установить некоторые значения по умолчанию, а затем снова проанализировать. С помощью этого анализатора единственный реальный способ справиться с чем-то подобным - сделать копию состояния, разобрать с этим, а затем продолжить с оригиналом. Он по-прежнему становится большой победой в плане ресурсов по сравнению с нашим старым парсером DOM.

Answer 5

Я бы посмотрел на инструменты, которые вам нужны, если вы хотите малых и быстрых. Они очень хороши для огромных документов.

Answer 6

firstobject's CMarkup - это класс C++, который работает как легкий громоздкий анализатор файлов (я рекомендую синтаксический анализатор вместо SAX) и огромный писатель XML-файлов. Он добавляет до 250 кб вашему исполняемому файлу. При использовании в памяти он имеет 1/3 отпечатка tinyxml по одному отчету пользователя. При использовании в огромном файле он содержит только небольшой буфер (например, 16 КБ) в памяти. CMarkup в настоящее время является коммерческим продуктом, поэтому он поддерживается, документируется и разрабатывается для простого добавления в ваш проект с одним файлом cpp и h.

Самый простой способ, чтобы попробовать его со скриптом в свободном firstobject редакторе XML, такие как это:

ParseHugeXmlFile() 
{ 
    CMarkup xml; 
    xml.Open("HugeFile.xml", MDF_READFILE); 
    while (xml.FindElem("//record")) 
    { 
    // process record... 
    str sRecordId = xml.GetAttrib("id"); 
    xml.IntoElem(); 
    xml.FindElem("description"); 
    str sDescription = xml.GetData(); 
    } 
    xml.Close(); 
}

В меню Файл выберите новую программу, вставьте в и изменить его для элементов и атрибуты, нажмите F9, чтобы запустить его, или F10, чтобы пройти через него по строкам.

Answer 7

RapidXML - довольно быстрый парсер для XML, написанный на C++.

Answer 8

Вы можете попробовать http://die-xml.googlecode.com/. это, кажется, очень маленький и легкий в использовании

это недавно сделал C++ 0x XML SAX парсер с открытым исходным кодом, и автор готов обратные связи

разборе входного потока и генерирует события на обратных вызовов, совместимых с станд :: функция

стек машина использует конечные автоматы в качестве движка и некоторые события (начало тегов и текстовых узлов) использовать итераторы для того, чтобы минимизировать буферизацию, что делает его очень легкий

Answer 9

Я настоятельно рекомендую pugixml

pugixml - это легкая библиотека обработки XML C++.

«pugixml - это библиотека обработки XML C++, которая состоит из DOM-подобного интерфейса с богатыми возможностями обхода/модификации, чрезвычайно быстрого анализатора XML, который создает дерево DOM из файла XML/буфера и XPath 1.0 реализация для сложных обработанных данными деревьев. Полная поддержка Unicode также доступна с вариантами интерфейса Unicode и конверсиями между различными кодировками Unicode ».

Я проверил несколько парсеров XML, включая несколько дорогих, прежде чем выбирать и использовать pugixml в коммерческом продукте.

pugixml был не только самым быстрым парсером, но и имел самый зрелый и дружелюбный API. Я очень рекомендую. Это очень стабильный продукт! Я начал использовать его с версии 0.8. Теперь это 1,7.

Отличный бонус в этом синтаксическом анализаторе - реализация XPath 1.0! Для любых более сложных запросов дерева XPath - это функция, отправленная Богом!

DOM-подобный интерфейс с богатыми возможностями обхода/модификации чрезвычайно полезен для обработки «тяжелых» XML-файлов в реальной жизни.

Это небольшой, быстрый парсер. Это хороший выбор даже для iOS или Android-приложения, если вы не возражаете связывать код на C++.

Контрольные показатели могут многое сказать. См: http://pugixml.org/benchmark.html

Несколько примеров (x86):

pugixml is more than 38 times faster than TinyXML 

        4.1 times faster than CMarkup, 

        2.7 times faster than expat or libxml 

Для (x64) pugixml это самый быстрый синтаксический анализатор, который я знаю.

Проверьте также использование памяти вашим парсером XML. Некоторые парсеры просто сожрают драгоценную память!