前陣子因為工作需求碰上了 XML,於是做了些研究。這裡把心得整理出來與大家分享,寫得不到之處還請多包涵。
剛開始我也不太明白 XML 的價值,直到實際做專案才慢慢體會。
我寫的程式需要傳送大量結構化資料,例如表格、目錄樹。以往我會自己定義一套資料結構,這件事本身就相當麻煩;若這個結構還需要頻繁擴充、要求高度彈性,那就更頭痛,更別提通用性與跨平台了。
這時候 XML 對樹狀結構的強大表達能力就顯現出來。以一個二乘二表格為例:
<table> <row> <cell>11</cell> <cell>12</cell> </row> <row> <cell>21</cell> <cell>22</cell> </row> </table>
描述方式簡單明瞭,通用性與跨平台能力不言可喻。當然,代價也是有的:用來承載資訊的資料量變大了。這就要求你在效能與可擴充性之間做出取捨。
另外兩個現實理由:XML 已經開始流行,它的近親 HTML 就是明證,微軟的 .Net 計畫更是直接架構在 XML 之上;而流行帶來豐富的工具鏈,各種 XML Parser 都有現成實作,我們能更快開始開發,不必自己發明一套規範再從零打造操作工具。
這裡的受眾是工程師,特別是 C++ 工程師。選項不少,但 Microsoft 的 XML Parser SDK 是個不錯的起點,至少文件寫得夠詳盡——這一點微軟一向做得不錯。其他選擇也很多,例如 Apache 旗下的專案,更詳細的資訊可參考 IBM 的 XML 資源網站。
既然 XML 文件可以完整對應成一棵樹,那麼對文件的操作就等同對樹的操作,這就是 DOM(文件物件模型)。不過 DOM 在處理上有明顯缺陷,例如速度慢,於是有了另一種模型 SAX。
DOM 需要掃描整份 XML 文件,解析後生成一個物件樹,文件中的所有標籤與屬性都以物件形式表示,而不是一段孤立文字。既然是物件,就有上下文、有包含關係。
結構大致如下:
Document Element Note Text
其中 Document 代表整棵樹的物件,包含基本屬性;Element 代表一個標籤,可包含屬性(Attribute)與子節點(ChildNode);Note 也是標籤,但不能包含子節點與屬性;Text 則是純文字。
既然是樹操作,就要具備節點的新增、刪除與瀏覽等基本能力。有了這些,就能完整操作 XML 文件。物件層級的操作比起直接處理文字容易得多,也直觀得多。
DOM 的缺點是速度慢、耗記憶體。因為在許多情況下,我們並不需要掃描整份文件,只想拿到其中某幾項資訊;這時就沒有必要生成龐大的樹結構,文件一大更是吃不消。
SAX 的做法是邊掃描、邊處理。它採用事件驅動:解析過程中不斷產生事件,並呼叫對應的函式回應。更關鍵的是,它可以中途退出——就像網頁下載時可以邊下載邊解析顯示已到手的部分。
所以,依實際情況選擇不同模型:需要隨機存取、隨時跳轉到任意節點,用 DOM;只需要單向掃過一遍、資料量又大,用 SAX。
值得補充的是,這些模型都由標準化組織定義,而非某家公司的私有規範,因此程式移植相對方便。
由於 Microsoft XML Parser 的文件較完整,且與 Visual C++ 結合緊密,後續範例就以這個組合來說明,其他語言可以類推。
有兩點要先交代:所有物件都是 COM 物件,因此建議使用 Smart Pointer 省去手動 AddRef、Release 的麻煩;另外字串統一採用 BSTR 型別,記憶體釋放同樣棘手,用 _bstr_t 類別封裝 BSTR 可以省下不少功夫。
後續待續。