C++. Сборник рецептов

Когсуэлл Джефф

// Преобразует строку со стандартными символами

// в строку с расширенным набором символов

inline XercesString fromNative(const char* str) {

boost::scoped_array<XMLCh> ptr(xercesc::XMLString::transcode(str));

 return XercesString(ptr.get);

}

// Преобразует строку со стандартными символами

// в строку с расширенным набором символов.

inline XercesString fromNative(const std::string& str) {

 return fromNative(str.c_str);

}

//

Преобразует строку с расширенным набором символов

// в строку со стандартными символами.

inline std::string toNative(const XMLCh* str) {

boost::scoped_array<char> ptr(xercesc::XMLString::transcode(str));

 return std::string(ptr.get);

}

// Преобразует строку с расширенным набором символов в строку со стандартными символами.

inline std::string toNative(const XercesString& str) {

 return toNative(str.c_str);

}

#endif // #ifndef XERCES_STRINGS_HPP_INCLUDED

Для выполнения преобразований между строками Xerces и

std::wstring

просто используйте конструктор

std::basic_string

, передавая ему два итератора. Например, можно определить следующие две функции.

// Преобразует строку Xerces в строку std::wstring

std::wstring xercesToWstring(const XercesString& str) {

 return std::wstring(str.begin, str.end);

}

// Преобразует строку std::wstring в строку XercesString

XercesString wstringToXerces(const std::wstring& str) {

 return XercesString(str.begin, str.end);

}

В этих функциях используется тот факт, что

wchar_t

и

XMLCh

являются интегральными типами, каждый из которых может неявно преобразовываться в другой; это должно работать независимо от размера

wchar_t

, пока не используются значения, выходящие за диапазон

XMLCh

. Вы можете определить подобные функции, принимающие в качестве аргументов строки в C-стиле, используя конструктор

std::basic::string

, которому передаются в качестве аргументов массив символов и длина.

Обсуждение

Для представления строк в коде Unicode библиотека Xerces использует последовательности символов

XMLCh

, завершаемые нулем. Тип

XMLCh

вводится с помощью

typedef

как интегральный тип, зависящий от реализации и содержащий не менее 16 бит, которых достаточно для представления символов почти любого языка. Xerces применяет символьную кодировку UTF-16, что подразумевает теоретическую возможность представления некоторых символов в коде Unicode в виде последовательности из нескольких символов

XMLCh

; однако практически можно считать, что каждый символ

XMLCh

непосредственно представляет один символ в коде Unicode, т.е. имеет числовое значение символа Unicode.

Одно время тип

XMLCh

определялся с помощью

typedef

как

wchar_t

, что позволяло легко сохранять копию строки Xerces как

std::wstring

. Однако в настоящее время Xerces определяет

XMLCh

на всех платформах с помощью

typedef

как

unsigned short

. Кроме всего прочего

это означает, что на некоторых платформах типы

XMLCh

и

wchar_t

имеют разный размер. Поскольку Xerces может изменить в будущем определение

XMLCh

, нельзя рассчитывать на то, что

XMLCh

будет идентичен какому-то конкретному типу. Поэтому, если требуется сохранить копию строки Xerces, следует использовать тип

std::basic_string<XMLCh>

.

При использовании Xerces вам придется часто выполнять преобразования между строками со стандартными символами и строками Xerces; для этой цели в Xerces предусмотрена перегруженная функция

transcode

.

transcode

может преобразовать строку Unicode в строку со стандартными символами, использующую «родную» кодировку символов, или строку с «родной» кодировкой со стандартными символами в строку Unicode. Однако смысл родной кодировки точно не определен, поэтому если вы программируете в среде, в которой часто используется несколько кодировок символов, то вам придется все взять в свои руки и выполнять преобразования особым образом, используя либо фасет

std::codecvt

, либо подключаемые службы перекодировки (pluggable transcoding services) библиотеки Xerces, описанные в документации Xerces. Однако во многих случаях вполне достаточно использовать

transcode

.

Память под возвращаемые функцией

transcode

строки, завершающиеся нулем, динамически выделяется при помощи оператора

new

в форме массива; вам придется строку удалять самому, используя оператор

delete[]

. Это создает небольшую проблему управления памяти, поскольку обычно требуется копировать строку или записывать ее в поток до ее удаления, а эти операции могут выбросить исключение. Я решаю эту проблему в примере 14.4 с помощью шаблона

boost::scoped_array

, который динамически выделяет память под массив и автоматически удаляет его при выходе из области видимости, даже если выбрасывается исключение. Например, рассмотрим реализацию функции

fromNative

.

inline XercesString fromNative(const char* str) {

 boost::scoped_array<XMLCh> ptr(xercesc::XMLString::transcode(str));

 return XercesString(ptr.get);

}

Здесь

ptr

становится обладателем возвращенной функцией

transcode

строки с нулевым завершающим символом и освобождает ее, даже если конструктор

XercesString

выбрасывает исключение

std::bad_alloc

.

14.3. Синтаксический анализ сложного документа XML

Проблема

Имеется некоторый набор данных, хранимых в документе XML, внутри которого используется DTD или применяются пространства имен XML. Требуется выполнить синтаксический анализ документа и превратить содержащиеся в нем данные в набор объектов C++.

Решение

Используйте реализацию Xerces в виде программного интерфейса SAX2 (простой программный интерфейс для XML, версия 2.0). Во-первых, создайте класс, производный от

xercesc::ContentHandler

; этот класс будет получать уведомления с информацией о структуре и содержимом вашего документа XML по мере его анализа. Затем при желании можно создать класс, производный от

xercesc::ErrorHandler

, для получения предупреждений и сообщений об ошибках. Сконструируйте парсер типа

xercesc::SAX2XMLReader

, зарегистрируйте экземпляры классов вашего обработчика, используя методы парсера

setContentHandler

и

setErrorHandler

. Наконец, вызовите метод парсера

parse

, передавая в качестве аргумента полное имя файла, в котором содержится ваш документ.