tinyxml优化之一

原文链接：http://www.cnblogs.com/zouzf/p/4154569.html

最近在搞XML解析优化，公司引擎用了tinyxml1和tinyxml2两个XML库，后者的效率比前者高60%吧，tinyxml1解析大文件是很慢的，可以淘汰了，tinyxml2还勉强，快的话还得算pugixml或者rapidxml吧。

奈何一些引擎代码根深蒂固，无法更换为pugixml，只能局部修改一下tinyxml库的源代码企图优化一下

今天在优化的时候碰到一个坑，就是解析出错的时候，XML库是如何处理的，比如某个节点有两个同名的属性，以下是各XML库的处理：

tinyxml1：按XML文本的顺序解析，在解析到同名属性的时候，停止解析，返回已经解析好了的那部分，并且在document对象里的 errorLocation.row 和 errorLocation.col 表明出错的位置（行和列）

tinyxml2：貌似是递归解析，碰到同名属性时，一下子全蹦了，返回的document啥子都没有，在document对象里的 _errorStr1 里存储了那个同名的属性的名字， _errorStr2 指向那个同名属性后的位置。其实不是很好分辨

pugixml：非常高效，所以没看懂是如何解析的。在给element添加属性时应该是没有见检查是否存在同名属性，能正常解析完的，最后断点观察那两个同名属性都被加进了element的

解析比较：tinyxml1使用的是逐字符扫描，tinyxml2使用的划分成块解析吧，pugixml没看懂。除了解析的方式不同造成效率有差别之外，另外一个重要的原因则是字符串的操作了；还有一个就是冗余的安全性检查，效率和安全总是对立的。。

tinyxml1：区分是否使用了STL宏，如果使用了，里面的字符串都是使用sdt::string类型，否则就是用自定义的一个字符串类 tinystr。把XML文件读取到内存后，在解析的时候，每涉及到字符串操作时，比如设置属性的名字、属性等，都会有分配内存然后把字符串拷贝过来赋值（如果使用了STL则由STL::string负责内存的分配和管理） 。一个XML文件里有N多的节点、M的属性、非常多的字符串，每次都要分配内存、拷贝，慢是必然的了。每一次添加节点或者属性时，都会进行检查是否已有同名的节点或者属性。

tinyxml2：使用了自定义的字符串类 StrPair 。XML文件被读取到内存后，tinyxml2会分配内存（假设是A内存）把XML文件的内容拷贝过来，在解析的时候，涉及到XMLElement或者XMLAttribue等之外的name、value的时候，tinyxml2并没有再次分配内存把字符串拷贝过去，而是把strpair的 _start 指针 直接指向A内存里对应的位置，整个过程，只分配了一次内存~~ 解析完了之后，如果你添加了节点或者更改某属性的value等等时，tinyxml2则会分配新的内存，strpair类里有标记位来分辨是第一次解析还是后面的增加或者修改的。每一次添加节点或者属性时，都会进行检查是否已有同名的节点或者属性。

pugixml：貌似是自己负责了所有的内存管理，没太看懂~~每一次添加节点或者属性时，应该没有进行检查是否已有同名的节点或者属性~~

今天被坑在，某个XML文件某个节点有属性同名了，但引擎库是用了tinyxml1来解析的，所以返回的document的全半部分是正常的，而我是用tinyxml2来测试的优化代码的，发现~~~被坑大了，各种检查自己写的优化的代码~~~

刚好还发现那个XML文件里有中文，搞得又怀疑是编码的问题，顺便又恶补了一下编码的基础知识，顺便用了用比较了一下 sublime text、notepad++、UltraEdit~~~发现UltraEdit是用Unicode编码来显示的，对于黏贴进去的字符串会当成是Unicode编码格式下的来处理；sublime text 可以用utf8、大头小头Unicode-16、16进制等编码格式来显示，对于拷贝进去的字符串，会被当做是utf8编码格式下的来处理；notePad++ 可以用 ansi、utf8等编码格式来显示，对于拷贝进去的字符串，看你当前选择了什么格式，你选择了什么格式，拷贝进去的字符串就会当作那个编码格式下的来处理。

擦，都得又乱了，虽然原本也没清楚。。苦逼

原文链接：http://www.cnblogs.com/zouzf/p/4154569.html