Question

我需要解析潜在的巨大XML文件，所以我猜这会排除DOM解析器。

是否有适用于C ++的优秀轻量级SAX解析器，与足迹上的TinyXML相比？ XML的结构非常简单，不需要像名称空间和DTD这样的高级内容。只是元素，属性和cdata。

我知道Xerces，但是超过50mb的超大尺寸让我感到不安。

谢谢！

Answer 1

如果您使用的是C，则可以使用LibXML项目中的Gnome。您可以选择DOM和SAX接口到您的文档，以及多年来开发的许多其他功能。如果你真的想要C ++，那么你可以使用libxml++，这是围绕LibXML的C ++ OO包装。

该库经过一次又一次的验证，性能卓越，几乎可以在任何平台上编译。

Answer 2

我喜欢ExPat
http://expat.sourceforge.net/

它是基于C的，但有几个C ++包装器可以提供帮助。

Answer 3

RapidXML是用C ++编写的XML的快速解析器。

Answer 4

http://sourceforge.net/projects/wsdlpull这是java xmlpull api的直接c ++端口（http://www.xmlpull.org/）

我强烈推荐这个解析器。我必须自定义它以便在我的嵌入式设备上使用（没有STL支持），但我发现它非常快，只需很少的开销。我必须创建自己的字符串和向量类，即使是那些它在Windows上编译为大约60k。

我认为拉解析比SAX更直观。代码更接近镜像xml文档，使两者易于关联。

唯一的缺点是它只是向前，这意味着你需要解析它们来的元素。我们有一个相当混乱的设计来读取我们的配置文件，我需要解析整个子树，进行一些检查，然后设置一些默认值然后再次解析。使用这个解析器，处理类似事情的唯一真正方法是制作状态的副本，用它解析，然后继续使用原始状态。它仍然最终在资源方面与我们的旧DOM解析器相比是一个巨大的胜利。

Answer 5

如果您的XML结构非常简单，您可以考虑构建一个基于lex / yacc（flex / bison）的简单词法分析器/扫描器。 W3C的消息来源可能会激励您：http://www.w3.org/XML/9707/parser.y和http://www.w3.org/XML/9707/scanner.l。

另请参阅SAX2 interface in libxml

Answer 6

firstobject的CMarkup是一个C ++类，它作为一个轻量级的大文件拉解析器（我推荐一个拉解析器而不是SAX），以及一个巨大的XML文件编写器。它为您的可执行文件增加了大约250kb。当在内存中使用时，它通过一个用户的报告占用tinyxml的1/3。在大文件上使用时，它只在内存中保存一个小缓冲区（如16kb）。 CMarkup目前是一种商业产品，因此它受支持，记录并设计为易于使用单个cpp和h文件添加到您的项目中。

最简单的尝试方法是使用免费的firstobject XML编辑器中的脚本，例如：

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();
}

从“文件”菜单中选择“新建程序”，将其粘贴并修改为您的元素和属性，按F9运行它或按F10逐行逐步执行。

Answer 7

你可以尝试https://github.com/thinlizzy/die-xml。它看起来非常小而且易于使用

这是最近制作的C ++ 0x XML SAX解析器开源，作者愿意反馈

它解析输入流并在与std :: function

兼容的回调上生成事件堆栈机器使用有限自动机作为后端，并且一些事件（开始标记和文本节点）使用迭代器以最小化缓冲，使其非常轻量级

Answer 8

如果你想要小而快，我会看 generate a DTD/Schema-specific parser的工具。这些对于大型文档非常有用。

Answer 9

我强烈推荐pugixml

pugixml是一个轻量级的C ++ XML处理库。

“pugixml是一个C ++ XML处理库，它包含一个具有丰富遍历/修改功能的类DOM接口，一个从XML文件/缓冲区构建DOM树的极快的XML解析器，以及一个XPath复杂数据驱动树查询的1.0实现。还提供完整的Unicode支持，Unicode接口变体和不同Unicode编码之间的转换。“

在商业产品中选择和使用pugixml之前，我已经测试了一些XML解析器，包括一些昂贵的解析器。

pugixml不仅是最快的解析器，而且还拥有最成熟和最友好的API。我强烈推荐它。这是非常稳定的产品！我从0.8版开始使用它。现在是1.7。

这个解析器的巨大好处是XPath 1.0实现！对于任何更复杂的树查询，XPath是上帝发送的功能！

具有丰富的遍历/修改功能的类似DOM的界面对于处理现实生活中的“繁重”XML文件非常有用。

它是一个小巧，快速的解析器。如果您不介意链接C ++代码，即使是iOS或Android应用程序也是不错的选择。

基准可以说明很多。请参阅：http://pugixml.org/benchmark.html

（x86）的几个例子：

pugixml is more than 38 times faster than TinyXML

                    4.1 times faster than CMarkup,

                    2.7 times faster than expat or libxml

For（x64）pugixml是我所知道的最快的解析器。

还检查XML解析器对内存的使用情况。有些解析器只是狼吞虎咽！

一个轻量级的XML解析器，对大文件有效吗？

9 个答案: