Day 76: std.xml模块：简单的XML解析

1. 引言：解析XML

XML（eXtensible Markup Language）是一种用于编码结构化数据的标记语言，广泛应用于配置文件、数据交换（如RSS、SOAP）和文档格式（如SVG、XHTML）中。

与JSON相比，XML的结构更复杂，包含标签、属性、文本内容、注释和处理指令等。解析XML通常有两种主要方法：

DOM (Document Object Model): 将整个XML文档读入内存，构建一个树形结构。优点是易于遍历和操作，缺点是内存消耗大。
SAX (Simple API for XML): 以事件流的方式逐个报告解析到的XML组件（如“开始标签”、“文本”、“结束标签”），而不构建完整的树。优点是内存效率极高，适合处理大文件。

Zig的std.xml模块提供了一个SAX风格的流式解析器。

2. `std.xml.Parser`

std.xml.Parser是核心的解析器结构体。它接收一个Reader（如文件或内存缓冲区）并提供一个next()方法，用于获取XML流中的下一个Token。

const std = @import("std");
const xml = std.xml;

pub fn main() !void {
    const xml_data = "<root><item id=\"1\">Hello</item></root>";
    var stream = std.io.fixedBufferStream(xml_data);

    var parser = xml.Parser.init(stream.reader(), std.testing.allocator);
    defer parser.deinit();

    while (try parser.next()) |token| {
        // 处理 token
    }
}

3. `Token`：XML事件流

parser.next()返回的Token是一个联合体（union），代表了不同类型的XML事件：

StartTag: 遇到了一个开始标签，如<item>。它包含标签名和属性列表。
EndTag: 遇到了一个结束标签，如</item>。
Text: 标签之间的文本内容。
Eof: 到达了输入的末尾。
其他：Comment, ProcInst, Doctype等。

// ...接上文
while (try parser.next()) |token| {
    switch (token) {
        .StartTag => |tag| {
            std.debug.print("Start Tag: {s}\n", .{tag.name});
            for (tag.attributes) |attr| {
                std.debug.print("  Attr: {s} = \"{s}\"\n", .{attr.name, attr.value});
            }
        },
        .EndTag => |tag| {
            std.debug.print("End Tag: {s}\n", .{tag.name});
        },
        .Text => |text| {
            std.debug.print("Text: {s}\n", .{text});
        },
        .Eof => break,
        else => {},
    }
}

4. 示例：简单的RSS解析

下面是一个简化的例子，用于从RSS feed中提取文章的标题。

const std = @import("std");
const xml = std.xml;

const rss_feed = """
<rss version="2.0">
<channel>
  <title>My Blog</title>
  <item>
    <title>Zig is Awesome</title>
  </item>
  <item>
    <title>Parsing XML in Zig</title>
  </item>
</channel>
</rss>""";

pub fn main() !void {
    var stream = std.io.fixedBufferStream(rss_feed);
    var parser = xml.Parser.init(stream.reader(), std.testing.allocator);
    defer parser.deinit();

    var in_title_tag = false;
    while (try parser.next()) |token| {
        switch (token) {
            .StartTag => |tag| {
                if (std.mem.eql(u8, tag.name, "title")) {
                    in_title_tag = true;
                }
            },
            .EndTag => |tag| {
                if (std.mem.eql(u8, tag.name, "title")) {
                    in_title_tag = false;
                }
            },
            .Text => |text| {
                if (in_title_tag) {
                    std.debug.print("Found Title: {s}\n", .{text});
                }
            },
            .Eof => break,
            else => {},
        }
    }
}

5. 实践练习：构建一个简易的DOM

基于std.xml.Parser，尝试构建一个简易的DOM树。你需要定义一个Node结构体，它可以包含一个标签名、属性和一个子Node的ArrayList。当解析器遇到StartTag时，创建一个新节点并将其压入栈中；遇到EndTag时，将节点从栈中弹出并添加到其父节点的子列表中。

6. 常见问题

命名空间（Namespaces） std.xml解析器目前对XML命名空间的支持有限。它会将带前缀的标签（如<rss:item>）作为一个整体（rss:item）来报告，而不会自动解析URI。
实体（Entities） 解析器会自动处理标准的XML实体，如< (<), > (>), & (&)。对于自定义实体，你需要手动处理。
验证 std.xml是一个非验证（non-validating）解析器。它不检查XML是否符合DTD或XML Schema等模式定义。

7. 总结：SAX vs. DOM的权衡

Zig的std.xml模块选择了SAX风格的API，这体现了Zig对性能和内存控制的重视。这种流式方法使得解析非常巨大的XML文件成为可能，而不会耗尽系统内存。

虽然SAX API在使用上比DOM API更复杂（因为它需要你手动维护状态，如in_title_tag），但它提供了极致的效率。对于需要构建完整文档树的场景，你可以在这个SAX解析器的基础上，像实践练习中那样，构建自己的DOM层。这种分层设计正是Zig强大灵活性的体现。