我应该在C++中使用什么XML解析器？

Question

我有需要解析的XML文档和/或我需要构建XML文档并将它们写入文本(文件或内存).由于C++标准库没有此库,我应该使用什么？

注意:这是一个明确的,C++ - FAQ风格的问题.所以,是的,它与其他人重复.我不是简单地适应其他问题,因为他们倾向于要求更具体的东西.这个问题更通用.

Answer 1

就像标准库容器一样,您应该使用哪个库取决于您的需求.这是一个方便的流程图:

所以第一个问题是:你需要什么？

我需要完整的XML合规性

好的,所以你需要处理XML.不是玩具XML,真正的 XML.您需要能够读取和写入所有 XML规范,而不仅仅是低位,易于解析的位.您需要命名空间,DocTypes,实体替换,工作.W3C XML规范的全部内容.

接下来的问题是:您的API是否需要符合DOM或SAX？

我需要精确的DOM和/或SAX一致性

好的,所以你真的需要API是DOM和/或SAX.它不仅可以是SAX风格的推送解析器,也不能是DOM风格的保留解析器.它必须是实际的DOM或实际的SAX,在C++允许的范围内.

你已经选择:

的Xerces

那是你的选择.它几乎是唯一一个完全(或接近C++允许)DOM和SAX一致性的C++ XML解析器/编写器.它还具有XInclude支持,XML Schema支持以及许多其他功能.

它没有真正的依赖.它使用Apache许可证.

我不关心DOM和/或SAX一致性

你已经选择:

libxml2的

LibXML2提供了一个C风格的界面(如果真的困扰你,请使用Xerces),尽管界面至少有点基于对象并且很容易包装.它提供了很多功能,比如XInclude支持(带回调以便你可以告诉它从哪里获取文件),XPath 1.0识别器,RelaxNG和Schematron支持(尽管错误信息还有很多不足之处),以及等等.

它确实依赖于iconv,但可以在没有依赖性的情况下进行配置.虽然这确实意味着你可以解析一组更有限的可能的文本编码.

它使用MIT许可证.

我不需要完全符合XML

好的,所以完整的XML合规性对您来说无关紧要.您的XML文档完全在您的控制之下,或者保证使用XML的"基本子集":没有名称空间,实体等.

那对你来说有什么关系？接下来的问题是:XML工作中最重要的是什么？

最大XML解析性能

您的应用程序需要采用XML并将其转换为C++数据结构,因为这种转换可能会发生.

你已经选择:

RapidXML

这个XML解析器正如它所说的那样:快速的XML.它甚至不涉及将文件拉入内存; 怎么回事取决于你.它处理的是将其解析为一系列可以访问的C++数据结构.它的执行速度与逐字节扫描文件的速度一样快.

当然,没有免费午餐这样的东西.与大多数不关心XML规范的XML解析器一样,Rapid XML不会触及名称空间,DocType,实体(字符实体和6个基本XML实例除外),等等.所以基本上是节点,元素,属性等.

此外,它是一个DOM风格的解析器.因此,它确实要求您阅读所有文本.但是,它不做的是复制任何文本(通常).RapidXML获得大部分速度的方法是指的字符串原地.这需要您进行更多内存管理(当RapidXML正在查看时,您必须保持该字符串处于活动状态).

RapidXML的DOM很简单.您可以获取事物的字符串值.您可以按名称搜索属性.就是这样.没有便利功能可以将属性转换为其他值(数字,日期等).你只是得到字符串.

RapidXML的另一个缺点是编写 XML 很痛苦.它要求您为字符串名称进行大量显式内存分配以构建其DOM.它确实提供了一种字符串缓冲区,但是仍需要大量明确的工作.它肯定是功能性的,但使用起来很痛苦.

它使用MIT许可证.它是一个只有头的库,没有依赖项.

• 有一个RapidXML"GitHub补丁",它允许它也可以使用命名空间.

我关心性能但不是很多

是的,性能对您很重要.但也许你需要一些不那么简单的东西.也许某些东西可以处理更多的Unicode,或者不需要那么多用户控制的内存管理.性能仍然很重要,但你想要的东西不那么直接.

你已经选择:

PugiXML

从历史上看,这是RapidXML的灵感来源.但这两个项目有所不同,Pugi提供了更多功能,而RapidXML则完全专注于速度.

PugiXML提供Unicode转换支持,因此如果您有一些UTF-16文档并希望将它们读作UTF-8,Pugi将提供.它甚至还有一个XPath 1.0实现,如果你需要那种东西的话.

但Pugi仍然很快.与RapidXML一样,它没有依赖关系,并在MIT许可下分发.

阅读巨大的文件

您需要阅读以千兆字节为单位的文档.也许你是从stdin那里得到它们的,还有其他一些过程.或者你是从大量文件中读取它们.管他呢.关键是,您需要的是不必一次将整个文件读入内存以便处理它.

你已经选择:

libxml2的

Xerces的SAX风格的API将以这种方式工作,但LibXML2在这里是因为它更容易使用.SAX风格的API是一个push-API:它开始解析一个流,然后触发你必须捕获的事件.您被迫管理上下文,状态等.读取SAX风格API的代码比人们希望的更为分散.

LibXML2的xmlReader对象是一个pull-API.您要求转到下一个XML节点或元素; 你没有被告知.这允许您根据需要存储上下文,以便在代码中比一堆回调更具可读性的方式处理不同的实体.

备择方案

外籍人士

Expat是一个着名的C++解析器,它使用pull-parser API.它是由詹姆斯克拉克写的.

它的当前状态是活动的.最新版本是2.2.5,上个月发布(2017-10-31).

LlamaXML

它是StAX风格的API的实现.它是一个拉解析器,类似于LibXML2的xmlReader解析器.

但它自2005年以来一直没有更新.再次,Caveat Emptor.

XPath支持

XPath是一个用于查询XML树中元素的系统.使用标准化语法,通过公共属性有效地命名元素或元素集合是一种方便的方法.许多XML库都提供XPath支持.

这里有三种选择:

• LibXML2:它提供完整的XPath 1.0支持.同样,它是一个C API,所以如果这困扰你,还有其他选择.
• PugiXML:它还支持XPath 1.0.如上所述,它更像是一个C++ API而不是LibXML2,所以你可能会更熟悉它.
• TinyXML:它没有XPath支持,但有TinyXPath库提供它.TinyXML正在进行2.0版本的转换,这会显着改变API,因此TinyXPath可能无法使用新的API.与TinyXML本身一样,TinyXPath是在zLib许可下发布的.

刚刚完成工作

所以,你不关心XML的正确性.性能对您来说不是问题.流媒体无关紧要.所有你想要的是什么是得到XML到内存中,并允许你再坚持它放回盘.什么,你关心的是API.

您希望XML解析器小巧,易于安装,使用起来很简单,并且足够小以至于与最终可执行文件的大小无关.

你已经选择:

TinyXML的

我将TinyXML放在这个插槽中,因为它就像XML解析器一样简单易用.是的,它很慢,但它很简单明了.它具有许多用于转换属性等的便利功能.

在TinyXML中编写XML是没有问题的.你只需要new放置一些物体,将它们连接在一起,将文件发送到一个std::ostream,每个人都很开心.

还有一些围绕TinyXML构建的生态系统,具有更多迭代器友好的API,甚至还有一个基于XPath 1.0的实现.

TinyXML使用zLib许可证,该许可证或多或少是具有不同名称的MIT许可证.

Answer 2

还有另一种处理XML的方法,您可能需要考虑这种方法,称为XML数据绑定.特别是如果您已经有XML词汇表的正式规范,例如,在XML Schema中.

XML数据绑定允许您在不实际进行任何XML解析或序列化的情况下使用XML.数据绑定编译器自动生成所有低级代码,并将解析后的数据显示为与应用程序域对应的C++类.然后,您可以通过调用函数,使用C++类型(int,double等)来处理这些数据,而不是比较字符串和解析文本(这是您使用低级XML访问API(如DOM或SAX)执行的操作).

例如,请参阅我编写的开源XML数据绑定实现, CodeSynthesis XSD,以及更轻量级的无依赖版本CodeSynthesis XSD/e.