boost.property_tree解析xml的帮助类以及中文解析问题的解决(转)

boost.property_tree可以用来解析xml和json文件，我主要用它来解析xml文件，它内部封装了号称最快的xml解析器rapid_xml，其解析效率还是很好的。但是在使用过程中却发现各种不好用，归纳一下不好用的地方有这些：获取不存在的节点时就抛出异常获取属性值时，要排除属性和注释节点，如果没注意这一点就会抛出异常，让人摸不着头脑。内存模型有点怪。默认不支持中文的解析。解析中文会乱码。

ptree获取子节点

　　获取子节点接口原型为get_child(node_path)，这个node_path从当前路径开始的全路径，父路径和子路径之间通过“.”连接，如“root.sub.child”。需要注意的是get_child获取的是第一个子节点，如果我们要获取子节点列表，则要用路径“root.sub”，这个路径可以获取child的列表。如果获取节点的路径不存在则会抛出异常，这时，如果不希望抛出异常则可以用get_xxx_optional接口，该接口返回一个optional<T>的结果出来，由外面判断是否获取到结果了。

1.//ptree的optional接口

2.auto item = root.get_child_optional('Root.Scenes');

　　该接口返回的是一个optional<ptree>，外面还要判断该节点是否存在，optional对象通过bool操作符来判断该对象是否是无效值，通过指针访问

符'*'来访问该对象的实际内容。建议用optional接口访问xml节点。

//ptree的optional接口
auto item = root.get_child_optional('Root.Scenes');
if(item)
    cout<<'该节点存在'<<endl;

ptree的内存模型

　　ptree维护了一个pair<string, ptree>的子节点列表，first指向的是该节点的TagName，second指向的才是ptree节点，因此在遍历ptree子节点时要注意迭代器的含义。

for (auto& data : root)
{
    for (auto& item : data.second) //列表元素为pair<string, ptree>，要用second继续遍历
    {
        cout<<item.first<<endl;
    }
}

　　需要注意的是ptree.first可能是属性（'<xmlattr>'）也可能是注释（'<xmlcomment>'），只有非注释类型的节点才能使用获取属性值、子节点等常用接口。

ptree获取属性值

　　通过get<T>(attr_name)可以获取属性的值，如果想获取属性的整形值的话，可以用get<int>('Id')，返回一个整数值。有一点要注意如果ptree.first为'<xmlcomment>'时，是没有属性值的，可以通过data()来获取注释内容。如果这个ptree.first不为<xmlattr>时需要在属性名称前面加'<xmlcomment>.'，即get<int>('<xmlcomment>.Id')才能正确获取属性值。可以看到获取属性值还是比较繁琐的，在后面要介绍的帮助类中可以简化属性值的获取。如果要获取节点的值则用get_value()接口，该接口用来获取节点的值，如节点：<Field>2</Field>通过get_value()就可以获取值'2'。

解析中文的问题

　　ptree只能解析窄字符的xml文件，如果xml文件中含有unicode如中文字符，解析出来就是乱码。解析unicode要用wptree，该类的接口均支持宽字符并且接口和ptree保持一致。要支持中文解析仅仅wptree还不够，还需要一个unicode转换器的帮助，该转换器可以实现宽字符和窄字符的转换，宽窄的互相转换函数有很多实现，不过c++11中有更简单统一的方式实现款窄字符的转换。

c++11中宽窄字符的转换：

std::wstring_convert<std::codecvt<wchar_t,char,std::mbstate_t>> conv
 
(newstd::codecvt<wchar_t,char,std::mbstate_t>('CHS'));
//宽字符转为窄字符
string str = conv.to_bytes(L'你好');
//窄字符转为宽字符
string wstr = conv.from_bytes(str);

　　boost.property_tree在解析含中文的xml文件时，需要先将该文件转换一下。

　　boost解决方法：

#include 'boost/program_options/detail/utf8_codecvt_facet.hpp'
void ParseChn()
{
    std::wifstream f(fileName);
    std::locale utf8Locale(std::locale(), new boost::program_options::detail::utf8_codecvt_facet());
    f.imbue(utf8Locale); //先转换一下
 
    //用wptree去解析
    property_tree::wptree ptree;
    property_tree::read_xml(f, ptree);    
}

　　这种方法有个缺点就是要引入boost的libboost_program_options库，该库有二十多M，仅仅是为了解决一个中文问题，却要搞得这么麻烦，有点得不偿失。好在c++11提供更简单的方式，用c++11可以这样：

void Init(const wstring& fileName, wptree& ptree)
{
    std::wifstream f(fileName);
    std::locale utf8Locale(std::locale(), new std::codecvt_utf8<wchar_t>);
    f.imbue(utf8Locale); //先转换一下
 
    //用wptree去解析
    property_tree::read_xml(f, ptree);
}

　　用c++11就不需要再引入boost的libboost_program_options库了，很简单。

property_tree的帮助类

　　property_tree的帮助类解决了前面提到的问题：

用c++11解决中文解析问题简化属性的获取增加一些操作接口，比如一些查找接口避免抛出异常，全部返回optional<T>对象隔离了底层繁琐的操作接口，提供统一、简洁的高层接口，使用更加方便。

　　下面来看看这个帮助类是如何实现的吧：

加载中...

#include<boost/property_tree/ptree.hpp>
#include<boost/property_tree/xml_parser.hpp>
using namespace boost;
using namespace boost::property_tree;
 
#include <map>
#include <vector>
#include <codecvt>
#include <locale>
using namespace std;
 
const wstring XMLATTR = L'<xmlattr>';
const wstring XMLCOMMENT = L'<xmlcomment>';
const wstring XMLATTR_DOT = L'<xmlattr>.';
const wstring XMLCOMMENT_DOT = L'<xmlcomment>.';
 
class ConfigParser
{
public:
 
    ConfigParser() : m_conv(new code_type('CHS'))
    {
         
    }
 
    ~ConfigParser()
    {
    }
 
    void Init(const wstring& fileName, wptree& ptree)
    {
        std::wifstream f(fileName);
        std::locale utf8Locale(std::locale(), new std::codecvt_utf8<wchar_t>);
        f.imbue(utf8Locale); //先转换一下
        wcout.imbue(std::locale('chs')); //初始化cout为中文输出格式
 
        //用wptree去解析
        property_tree::read_xml(f, ptree);
    }
 
    // convert UTF-8 string to wstring
    std::wstring to_wstr(const std::string& str)
    {
        return m_conv.from_bytes(str);
    }
 
    // convert wstring to UTF-8 string
    std::string to_str(const std::wstring& str)
    {
        return m_conv.to_bytes(str);
    }
 
    //获取子节点列表
    auto Descendants(const wptree& root, const wstring& key)->decltype(root.get_child_optional(key))
    {
        return root.get_child_optional(key);
    }
 
    //根据子节点属性获取子节点列表
    template<typename T>
    vector<wptree> GetChildsByAttr(const wptree& parant, const wstring& tagName, const wstring& attrName, const T& attrVal)
    {
        vector<wptree> v;
 
        for (auto& child : parant)
        {
            if (child.first != tagName)
                continue;
 
            auto attr = Attribute<T>(child, attrName);
 
            if (attr&&*attr == attrVal)
                v.push_back(child.second);
        }
 
        return v;
    }
 
    //获取节点的某个属性值
    template<typename R>
    optional<R> Attribute(const wptree& node, const wstring& attrName)
    {
        return node.get_optional<R>(XMLATTR_DOT + attrName);
    }
 
    //获取节点的某个属性值，默认为string
    optional<wstring> Attribute(const wptree& node, const wstring& attrName)
    {
        return Attribute<wstring>(node, attrName);
    }
 
    //获取value_type的某个属性值
    template<typename R>
    optional<R> Attribute(const wptree::value_type& pair, const wstring& attrName)
    {
        if (pair.first == XMLATTR)
            return pair.second.get_optional<R>(attrName);
        else if (pair.first == XMLCOMMENT)
            return optional<R>();
        else
            return pair.second.get_optional<R>(XMLATTR_DOT + attrName);
    }
 
    //获取value_type的某个属性值，默认为string
    optional<wstring> Attribute(const wptree::value_type& pair, const wstring& attrName)
    {
        return Attribute<wstring>(pair, attrName);
    }
 
    //根据某个属性生成一个<string, ptree>的multimap
    template<class F = std::function<bool(wstring&)>>
    multimap<wstring, wptree> MakeMapByAttr(const wptree& root, const wstring& key, const wstring& attrName, F predict = [](wstring& str){return true; })
    {
        multimap<wstring, wptree> resultMap;
        auto list = Descendants(root, key);
        if (!list)
            return resultMap;
         
        for (auto& item : *list)
        {
            auto attr = Attribute(item, attrName);
            if (attr&&predict(*attr))
                resultMap.insert(std::make_pair(*attr, item.second));
        }
 
        return resultMap;
    }
 
private:
    using code_type = std::codecvt<wchar_t, char, std::mbstate_t>;
    std::wstring_convert<code_type> m_conv;
};

　　测试文件test.xml和测试代码：

<?xml version='1.0' encoding='UTF-8'?>
<Root Id='123456'>
    <Scenes>
        <!--注释说明1-->
        <Scene Name='测试1'>
            <!--注释说明11-->
            <DataSource>
                <!--注释说明111-->
                <Data>
                    <!--注释说明111-->
                    <Item Id='1' FileName='测试文件1' />
                </Data>
                <Data>
                    <Item Id='2' FileName='测试文件2' />
                    <Item Id='3' FileName='测试文件3' />
                </Data>
            </DataSource>
        </Scene>
        <!--注释说明1-->
        <Scene Name='测试2'>
            <DataSource>
                <Data>
                    <Item Id='4' FileName='测试文件4' />
                </Data>
                <Data>
                    <Item Id='5' FileName='测试文件5' />
                </Data>
            </DataSource>
        </Scene>
    </Scenes>
</Root>

void Test()
{
    wptree pt; pt.get_value()
    ConfigParser parser;
    parser.Init(L'test1.xml', pt); //解决中文问题，要转换为unicode解析
 
    auto scenes = parser.Descendants(pt, L'Root.Scenes'); //返回的是optional<wptree>
    if (!scenes)
        return;
 
    for (auto& scene : *scenes)
    {
        auto s = parser.Attribute(scene, L'Name'); //获取Name属性，返回的是optional<wstring>
        if (s)
        {
            wcout << *s << endl;
        }
 
        auto dataList = parser.Descendants(scene.second, L'DataSource'); //获取第一个子节点
        if (!dataList)
            continue;
 
        for (auto& data : *dataList)
        {
            for (auto& item : data.second)
            {
                auto id = parser.Attribute<int>(item, L'Id');
                auto fileName = parser.Attribute(item, L'FileName');
 
                if (id)
                {
                    wcout << *id << L' ' << *fileName << endl; //打印id和filename
                }
            }
        }
    }
}

测试结果:

　　可以看到通过帮助类，无需使用原生接口就可以很方便的实现节点的访问与操作。使用者不必关注内部细节，根据统一而简洁的接口就可以操作xml文件了。

　　一点题外话，基于这个帮助类再结合linq to object可以轻松的实现linq to xml：

//获取子节点SubNode的属性ID的值为0x10000D的项并打印出该项的Type属性
from(node.Descendants('Root.SubNode')).where([](XNode& node)
{
    auto s = node.Attribute('ID');
    return s&&*s == '0x10000D';
}).for_each([](XNode& node)
{
    auto s = node.Attribute('Type');
    if (s)
        cout << *s << endl;
});