iOS：结合 SAX 和 DOM 解析

Posted 2023-02-24

【中文标题】iOS：结合 SAX 和 DOM 解析

【英文标题】：iOS: Combining SAX and DOM parsing

【发布时间】：2012-07-28 22:51:57

【问题描述】：

我目前正在处理一个 iPad 项目，我需要将大型 XML 文件处理到 SQLite 后端。我目前正在使用TBXML 解析器进行这项工作。

所以所有的逻辑都已经到位，并且通常 TBXML 解析器完成了它需要完成的工作。我现在遇到的唯一问题是 XML 文件变得太大并且内存不足。因此，我考虑切换到像 Alan Quatermain 的 AQXMLParser 这样的核心 NSXMLParser 之类的 SAX 解析器。然而，这将要求我重做我当前的所有逻辑，这些逻辑在某种程度上依赖于 DOM 树提供的功能。这是我不想做的事情。

所以我想要尝试并做的是创建一种混合方法。鉴于我的 XML 结构，这应该是可能的。它基本上是一些重复的“记录”元素。在每条记录中都有可以重复和嵌套的各种元素。 在我目前的方法中，我解析文档并将每个记录元素传递给将其处理到数据库中的函数。鉴于这已经存在，我想在我的混合解析方法中使用它。

这就是我想要实现的。我使用 SAX 解析器遍历我的文档。在遍历文档时，我构建了一个 Record 元素。每当我完成一个记录元素时，我都会将它传递给使用 TBXML 处理它的现有函数。然后 SAX 解析器继续构建下一个记录元素。主要目标是： - 修复内存占用（它不需要尽可能小，但它必须是恒定的或至少比使用 TBXML 更小） - 保持性能可接受。

目前想实现如下：

- (void)parser:(NSXMLParser *)parser didStartElement:(NSString *)elementName namespaceURI:(NSString *)namespaceURI qualifiedName:(NSString *)qualifiedName attributes:(NSDictionary *)attributeDict
    //Recreate record string each time record element is encountered
    if([elementName isEqualToString:@"Record"]) record = [[NSMutableString alloc] init];
    //Write XML tag with name
    [record appendFormat@"<%@>, elementName];


- (void)parser:(NSXMLParser *)parser foundCharacters:(NSString *)string
    //Write XML content
    [record appendString:string];


- (void)parser:(NSXMLParser *)parser didEndElement:(NSString *)elementName namespaceURI:(NSString *)namespaceURI qualifiedName:(NSString *)qName
    //Write XML tag
    [record appendFormat@"</%@>, elementName];
    if([elementName isEqualToString:@"Record"])
        //Parse record string into TBXML object
        TBXML * tbxmlRecord = [TBXML tbxmlWithXMLString:record];
        //Send it to the TBXML record processor
        [self processElement:tbxmlRecord.rootXMLElement];
    

我认为这应该可行，但使用字符串感觉很脏。此外，当解析器到达新的记录元素时，我担心记录字符串是否不会很快被覆盖。

所以我的问题是，如果这是解决此问题的合理方法，或者是否有更好的方法可以实现我正在寻找的目标？

编辑： 我已经实现了这种方法，它看起来工作得很好。我遇到的唯一问题是，如果我的源文件不是 UTF-8 编码的，我只会得到部分结果。但是当我纠正这一切时，一切顺利。内存使用并没有那么好。但也许它会尽其所能。需要运行更多测试...

【问题讨论】：

您的代码似乎有一些拼写错误。你能更新你的代码吗？会有帮助的

【参考方案1】：

总的来说，您的方法对我来说听起来不错。如果您的解决方案在没有性能问题的情况下为您工作，那么我不会太担心字符串处理。如果你愿意，你可以分析你的应用程序，看看这浪费了多少 CPU 时间。

如果您想做一些更优化的事情，您可以尝试找到一个 SAX 解析器，它可以为您提供原始缓冲区的字节偏移量，并将其与一个 DOM 解析器相结合，让您可以处理非空终止的 C 字符串。我相信这意味着您必须切换到 C 或 C++ 库。我已经使用rapidxml 来处理与您正在尝试的内容类似的东西（嵌入在大文件中的 xml 块）。

【讨论】：

好吧，使用 C(++) 库不是我喜欢的。所以我想我会实现这个版本，看看效果如何。

我认为从性能的角度来看它会很好，但请确保正确转义字符（即如果 '>' 出现在文本字符串中会发生什么情况）。此外，您上面的 sn-p 不处理属性等，但我假设您可以控制输入。

XML 本身相当简单。没有 CDATA 块（即使这不是问题，只是要实现的另一个委托方法）并且没有属性。不过，转义字符是一个好点！