ITPub博客

首页 > 应用开发 > IT综合 > SAX 的一些乐趣 (转)

SAX 的一些乐趣 (转)

原创 IT综合 作者:worldblog 时间:2007-12-02 14:31:18 0 删除 编辑
SAX 的一些乐趣 (转)[@more@]Chris Lovett
2000年8月21日

microsoft.com/code/default.ASP?MSDNID=026001736">a下载 src="null23933.gif" width=16 border=0> 查看和下载本文的源代码

现在我知道引起大量读者评论的秘密了。只需写一篇有关读者还不能接触到的最新技术的文章就够了。现在既然提供了 DOWNLOADs/default.asp?URL=/code/sample.asp?url=/msdn-files/027/000/976/msdncompositedoc.XML">.NET framework SDK 的技术概览(英文),我希望您们都已经对其有所了解。

在本文中,我想仔细研究一下包括在 2000 年 7 月的 Microsoft XML Parser 测试版(英文)中的 Visual Basic® SAX 接口(英文)。为了作一点更改,我决定编写一些 Visual Basic 代码,而最终我却编写了一大堆代码。我还很好地实现了 MSXML2.VBSAXXMLReader30 类。应用结果如下所示:


SAX Workbench

OASIS 一致性测试的利用

我从编写 Visual Basic 测试的应用着手,以便运行 OASIS 一致性测试套件(英文)。 非 MS 链接 我所从事的另一个项目需要此测试,因此我认为我会一举两得。

此测试的使用要加载一个很大的 XML 文档,它是要运行的所有测试的索引。每个测试都像下面这样列出:

Attribute values must start with attribute names, not "?".


每个 TEST 元素都包含以下属性:

属性 含义 TYPE not-wf 此时可认为分析器将报告一个格式明确的错误消息

invalid 此时可认为验证分析器将报告验证错误消息,而非验证的分析器则将让这些测试通过 valid 此时可认为验证分析器和非验证的分析器都将让这些测试通过 ENTITIES none 无论测试是否要求支持加载实体 ID not-wf-sa-001 唯一的测试标识符 URI not-wf/sa/001.xml 要分析的实际 XML 测试文件的位置 SECTIONS 3.1 [41]XML 1.0 规范(英文)中相关部分的引用非 MS 链接

OasisTest.cls

进入 OasisTest 类模块的主入口点取得一个指向 xmlconf.xml 主索引文档的 URL:

Public Sub run(testurl As String)


调用它时,我将此测试索引加载到一个 domDocument 对象中,选择所有的 TEST 元素,然后调用我的 SAX 测试代码,其中就有关于每个测试的信息。

Dim doc As DOMDocument Dim node As IXMLDOMElement Dim tests As IXMLDOMNodeList Set doc = New DOMDocument30 doc.async = False Set tests = doc.selectNodes("//TEST") Set node = tests.nextNode() While Not node Is Nothing And Not Cancel RunTest(node) node = tests.nextNode() Wend


我还创建了一个空文档,它将包含一个所有测试结果的日志。在用户单击生成报表按钮时,将使用 template.xsl 样式表转换此文档,以显示最终的测试报告。

为了用 MSXML2.VBSAXXMLReader 对象实际上运行此测试,我使用了下面的方法:

Public Sub RunTest(docBase As String, element As IXMLDOMElement)


首先,此方法创建一个新的 SAX 阅读器对象,并对该对象进行配置,使其能够处理外部实体和回调我实现的 IVBSAXContentHandler、IVBSAXDTDHandler 和 IVBSAXErrorHandler 等接口。

Dim ContentHandler As ContentHandler Set ContentHandler = New ContentHandler Dim reader As VBSAXXMLReader30 Set reader = New VBSAXXMLReader30 reader.putFeature "http://xml.org/sax/features/external-parameter-entities", True reader.putFeature "http://xml.org/sax/features/external-general-entities", True Set reader.contentHandler = ContentHandler Set reader.errorHandler = ContentHandler Set reader.dtdHandler = ContentHandler


请注意,在同一个类(即 ContentHandler 类)上实现所有这三个处理程序接口实际上相当方便。

为了开始对测试文件的实际分析,我只需调用 parseURL 方法。

reader.parseURL (uri)


然后检查结果,在实际输出和预期输出结果之间进行比较,等等。

ContentHandler.cls

ContentHandler 类模块实现 SAX 回调接口,代码开头如下:

Option Explicit Implements IVBSAXContentHandler Implements IVBSAXDTDHandler Implements IVBSAXErrorHandler


然后 ContentHandler 实现在这些接口上定义的所有方法。这个类中的大量代码处理如何生成 XML 的规范输出,此规范输出以后可用来与期望的输出进行比较。输出包括以下内容:

  • 将所有特殊字符换码为实体:特殊字符包括 & < > " 并将换行符换码为 和 。这正是测试套件中所期望的输出文件的存储方式,因此我也必须完成此任务。

  • 为属性排序:由于属性与次序无关,且一些分析器返回缺省属性的次序与其它分析器不同,排序可保证属性的次序与期望的输出文件相匹配。要做到这一点,我使用了在 MSDN 上找到的 Visual Basic QuickSort 算法。请参阅 Sorter.cls 模块。

  • 保存符号声明:符号声明来自 IVBSAXDTDHandler 接口。需要保存它们,然后进行排序,以便对照期望的输出进行比较。符号的存储和排序在 DocType.cls 模块中完成。

  • 捕获并存储错误信息:这在 IVBSAXErrorHandler fatalError 方法的实现中完成。

XML 统计数据程序包

用 SAX 级 XML 处理能做的另一件有趣的事情是对元素和属性进行计数。我编写了另一个简单的 IVBSAXContentHandler 实现,来对元素、属性、文本节点、文本字符和名称字符的数目进行计数—并显示一个“标记率”,表明在文件中相对于实际的文本内容有多少标记。正如您从下文所看到的,hamlet.xml 文件的标记相当多。

显示 hamlet.xml 的标记率的抓屏

当您进行这种计数的时候,您一定会感觉到 SAX 级处理可以有多快。对比加载 DOMDocument 对象模型,并历经树结构来计算这一切,它当然要快得多。

Filter.cls

此类模块通过根据所调用的方法对一组计数器加 1,来实现 IVBSAXContentHandler 和 IVBSAXErrorHandler SAX 回调接口。例如,startElement 方法就完成以下任务:

Private Sub IVBSAXContentHandler_startElement( ByVal strNamespaceURI As String, ByVal strLocalName As String, ByVal strQName As String, ByVal Attributes As IVBSAXAttributes) Dim i As Integer Elements = Elements + 1 NameChars = NameChars + Len(strQName) AttributeNodes = AttributeNodes + Attributes.length For i = 0 To Attributes.length - 1 NameChars = NameChars + Len(Attributes.getQName(i)) TextChars = TextChars + Len(Attributes.getValue(i)) Next End Sub


XML 过滤

在我为过滤器 IVBSAXContentHandler 的实现编写代码的同时,我发现添加过滤操作根本不会增加多少工作量。过滤器选项卡包含以下选项:


SAX Workbench 上的“过滤器”选项卡的抓屏

在这里我已经选择了加载 hamlet.xml 的选项,并将所有的元素名和属性名都转换为正确的大小写;例如,

将变成

等等。

格式化

SAX 级处理还使您能够通过添加新行和根据嵌套级别添加缩进,来格式化 XML 文档。您可以控制缩进量,并控制在缩进时是使用空格字符还是使用制表字符。当格式化被设置为“缩进”时,以下输入:

ChrisLovett


将变成:

Chris Lovett


缩进算法的工作原理是:保持一个整数堆栈,这些整数代表文档每一级的“内容”模型。可能的值有:

Const CONTENT_EMPTY = 0 Const CONTENT_MIXED = 1 Const CONTENT_ELEMENT = 2


新元素的内容模型开始时被当作 CONTENT_EMPTY。当调用 IVBSAXContentHandler_characters 方法时,当前元素的内容模型被设置为 CONTENT_MIXED。如果在启动一个子元素时内容并没有混合,则内容将变成 CONTENT_ELEMENT。

我还没有完整地测试过此代码,因此我建议不要将它用于行业中的大负荷应用程序。然而,在大部分时间内它看起来工作得相当不错。您还可以在它上面加上许多东西。例如,您将注意到空元素 被输出为 。这只是因为我太懒了,以致于直到出现 endelement 事件才书写 ">" 字符。这使代码有点凌乱,因为您必须牢记在书写任何文本内容或子元素之前都要写出 ">" 字符。

元素的属性

最后,这个小复选框导致所有的属性都被书写为子元素。例如,当选中此复选框时,下面的 XML:

address='67 Seventh Av.' city='Salt Lake City' state='UT' zip='84152' contract='True' '/>

将变成(在缩进也起作用时):

998-72-3567 Ringer Albert

801 826-0752

67 Seventh Av.
Salt Lake City UT 84152 True

这是由下面的代码简单地完成的:

If (AttrsToElements) Then For i = 0 To Attributes.length - 1 Name = Attributes.getQName(i) If (Name <> "xmlns" And Mid(Name, 1, 6) <> "xmlns:") Then content(Level) = CONTENT_ELEMENT Call WriteIndent(Level, content(Level)) OutputStream.Write ("<" & FilterName(Name) & ">") OutputStream.Write (EscContent(Attributes.getValue(i))) OutputStream.Write ("

结论

包括在 2000 年 7 月的 Microsoft XML Parser 测试版(英文)中的 Visual Basic SAX 接口(英文)使编写高性能、流级别 XML 处理的应用程序变得相当容易。我花了大约一天的时间就写出了这些小样例,得到了很多乐趣。我希望您也来享受使用 SAX 的快乐。


Chris Lovett 是 Microsoft 的 XML 小组的项目经理。

归档的早期 XML 栏目 2000 年 7月25日   C# 编写的 ASP+ ListEditor(英文) 6月22日   从 XSL 参数获取值(英文) 5月29日   XInclude,有人吗?(英文) 4月21日   ListEditor:一个有用的 XML web 服务(英文) 3月20日   MSXML3 性能揭密(英文) 2月21日   MSXML 性能揭密(英文) 1月17日   使用 XML 合理化您的 Web 站点(英文) 1999 年 12月15日   XML for Microsoft windows 2000 的新增功能(英文) 9月20日   ASP 技术和 XML DOM(英文) 8月16日   架构:挖掘内部潜能(英文) 7月20日

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10752043/viewspace-987381/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
  • 博文量
    6241
  • 访问量
    2410789