FSM有限状态机运用分析系列一 —— XML解析器

XML（Extensible Markup Language）即可扩展标记语言，也是一种常用的数据文件格式。相对于INI来说，它要复杂得多，INI只能保存线性结构的数据，而XML可以保存树形结构的数据。先看下面的例子：

1 <?xml version="1.0" encoding="utf-8"?>
2 <mime-type xmlns="http://www.freedesktop.org/standards/shared-mime-info" type="all/all">
3 <!--Created automatically by update-mime-database. DO NOT EDIT!-->
4 <comment>all files and folders</comment>
5 </mime-type>

第一行称为处理指令(PI)，是给解析器用的。这里告诉解析器，当前的XML文件遵循XML 1.0规范，文件内容用UTF-8编码。

第二行是一个起始TAG，TAG的名称为mime-type。它有两个属性，第一个属性的名称为xmlns，值为 http://www.freedesktop.org/standards/shared-mime-info。第二个属性的名称为type，值为 all/all。

第三行是一个注释。

第四行包括一个起始TAG，一段文本和结束TAG。

第五行是一个结束TAG。

XML本身的格式不是本文的重点，我们不详细讨论了。这里的重点是如何用状态机解析格式复杂的数据。

按照前面的方法，先把数据读入到一个缓冲区中，让一个指针指向缓冲区的头部，然后移动指针，直到指向缓冲区的尾部。在这个过程中，指针可能指向：起始TAG，结束TAG，注释，处理指令和文本。由此我们定义出状态机的主要状态：

1. 起始TAG状态
2. 结束TAG状态
3. 注释状态
4. 处理指令状态
5. 文本状态

由于起始TAG、结束TAG、注释和处理指令都在字符‘<’和‘>’之间，所以当读入字符‘<’时，我们还无法知道当前的状态，为了便于处理，我们引入一个中间状态，称为“小于号之后”的状态。在读入字符‘<’和‘!’之后，还要读入两个‘-’，才能确定进入注释状态，为了便于处理，再引入两个中间状态“注释前一”和“注释前二”。再引入一个“空”状态，表示不在上述任何状态中。

状态转换函数：
1. 在“空”状态下，读入字符‘<’，进入“小于号之后”状态。
2. 在“空”状态下，读入非‘<’非空白的字符，进入“文本”状态。
3. 在“小于号之后”状态下，读入字符‘！’，进入“注释前一” 状态。
4. 在“小于号之后”状态下，读入字符‘?’，进入“处理指令”状态。
5. 在“小于号之后”状态下，读入字符‘/’，进入“结束TAG”状态。
6. 在“小于号之后”状态下，读入有效的ID字符，进入“起始TAG”状态。
7. 在“注释前一” 状态下，读入字符‘-’，进入“注释前二” 状态。
8. 在“注释前二” 状态下，读入字符‘-’，进入“注释” 状态。
9. 在 “起始TAG” 状态、“结束TAG” 状态、“文本” 状态、“注释”状态和“处理指令”状态结束后，重新回到“空”状态下。

这个状态机的图形表示如下：

下面我们来看看代码实现：

  1 void xml_parser_parse(XmlParser* thiz, const char* xml)
  2 {
  3 　　　　/*定义状态的枚举值*/
  4 　　　　enum _State
  5 　　　　{
  6 　　　　　　　　STAT_NONE,
  7 　　　　　　　　STAT_AFTER_LT,
  8 　　　　　　　　STAT_START_TAG,
  9 　　　　　　　　STAT_END_TAG,
 10 　　　　　　　　STAT_TEXT,
 11 　　　　　　　　STAT_PRE_COMMENT1,
 12 　　　　　　　　STAT_PRE_COMMENT2,
 13 　　　　　　　　STAT_COMMENT,
 14 　　　　　　　　STAT_PROCESS_INSTRUCTION,
 15 　　　　}state = STAT_NONE;
 16 
 17 　　　　thiz->read_ptr = xml;
 18 　　　　/*指针从头移动到尾*/
 19 　　　　for(; *thiz->read_ptr != '/0'; thiz->read_ptr++)
 20 　　　　{
 21 　　　　　　　　char c = thiz->read_ptr[0];
 22 
 23 　　　　　　　　switch(state)
 24 　　　　　　　　{
 25 　　　　　　　　　　　　case STAT_NONE:
 26 　　　　　　　　　　　　{
 27 　　　　　　　　　　　　　　　　if(c == '<')
 28 　　　　　　　　　　　　　　　　{
 29 　　　　　　　　　　　　　　　　　　　　/*在“空”状态下，读入字符‘<’，进入“小于号之后”状态。*/
 30 　　　　　　　　　　　　　　　　　　　　xml_parser_reset_buffer(thiz);
 31　　　　　　　　　　　　　　　　　　　　　state = STAT_AFTER_LT;
 32 　　　　　　　　　　　　　　　　}
 33 　　　　　　　　　　　　　　　　else if(!isspace(c))
 34 　　　　　　　　　　　　　　　　{
 35 　　　　　　　　　　　　　　　　　　　　/*在“空”状态下，读入非‘<’非空白的字符，进入“文本”状态。*/
 36 　　　　　　　　　　　　　　　　　　　　state = STAT_TEXT;
 37 　　　　　　　　　　　　　　　　}
 38 　　　　　　　　　　　　　　　　break;
 39 　　　　　　　　　　　　}
 40 　　　　　　　　　　　　case STAT_AFTER_LT:
 41 　　　　　　　　　　　　{
 42 　　　　　　　　　　　　　　　　if(c == '?')
 43 　　　　　　　　　　　　　　　　{
 44 　　　　　　　　　　　　　　　　　　　　/*在“小于号之后”状态下，读入字符‘?’，进入“处理指令”状态。*/
 45 　　　　　　　　　　　　　　　　　　　　state = STAT_PROCESS_INSTRUCTION;
 46 　　　　　　　　　　　　　　　　}
 47 　　　　　　　　　　　　　　　　else if(c == '/')
 48 　　　　　　　　　　　　　　　　{
 49 　　　　　　　　　　　　　　　　　　　　/*在“小于号之后”状态下，读入字符‘/’，进入“结束TAG”状态。*/
 50 　　　　　　　　　　　　　　　　　　　　state = STAT_END_TAG;
 51 　　　　　　　　　　　　　　　　}
 52 　　　　　　　　　　　　　　　　else if(c == '!')
 53 　　　　　　　　　　　　　　　　{
 54 　　　　　　　　　　　　　　　　　　　　/*在“小于号之后”状态下，读入字符‘！’，进入“注释前一” 状态*/
 55 　　　　　　　　　　　　　　　　　　　　state = STAT_PRE_COMMENT1;
 56 　　　　　　　　　　　　　　　　}
 57 　　　　　　　　　　　　　　　　else if(isalpha(c) || c == '_')
 58 　　　　　　　　　　　　　　　　{
 59 　　　　　　　　　　　　　　　　　　　　/*在“小于号之后”状态下，读入有效的ID字符，进入“起始TAG”状态。*/
 60 　　　　　　　　　　　　　　　　　　　　state = STAT_START_TAG;
 61 　　　　　　　　　　　　　　　　}
 62 　　　　　　　　　　　　　　　　else
 63 　　　　　　　　　　　　　　　　{
 64 　　　　　　　　　　　　　　　　}
 65 　　　　　　　　　　　　　　　　break;
 66 　　　　　　　　　　　　}
 67 　　　　　　　　　　　　case STAT_START_TAG:
 68 　　　　　　　　　　　　{
 69 　　　　　　　　　　　　　　　　/*进入子状态*/
 70 　　　　　　　　　　　　　　　　xml_parser_parse_start_tag(thiz);
 71 　　　　　　　　　　　　　　　　state = STAT_NONE;
 72 　　　　　　　　　　　　　　　　break;
 73 　　　　　　　　　　　　}
 74 　　　　　　　　　　　　case STAT_END_TAG:
 75 　　　　　　　　　　　　{
 76 　　　　　　　　　　　　　　　　/*进入子状态*/
 77 　　　　　　　　　　　　　　　　xml_parser_parse_end_tag(thiz);
 78 　　　　　　　　　　　　　　　　state = STAT_NONE;
 79 　　　　　　　　　　　　　　　　break;
 80 　　　　　　　　　　　　}
 81 　　　　　　　　　　　　case STAT_PROCESS_INSTRUCTION:
 82 　　　　　　　　　　　　{
 83 　　　　　　　　　　　　　　　　/*进入子状态*/
 84　　　　　　　　 　　　　　　　　xml_parser_parse_pi(thiz);
 85 　　　　　　　　　　　　　　　　state = STAT_NONE;
 86 　　　　　　　　　　　　　　　　break;
 87 　　　　　　　　　　　　}
 88 　　　　　　　　　　　　case STAT_TEXT:
 89 　　　　　　　　　　　　{
 90 　　　　　　　　　　　　　　　　/*进入子状态*/
 91 　　　　　　　　　　　　　　　　xml_parser_parse_text(thiz);
 92 　　　　　　　　　　　　　　　　state = STAT_NONE;
 93 　　　　　　　　　　　　　　　　break;
 94 　　　　　　　　　　　　}
 95 　　　　　　　　　　　　case STAT_PRE_COMMENT1:
 96 　　　　　　　　　　　　{
 97 　　　　　　　　　　　　　　　　if(c == '-')
 98 　　　　　　　　　　　　　　　　{
 99 　　　　　　　　　　　　　　　　　　　　/*在“注释前一” 状态下，读入字符‘-’， 进入“注释前二” 状态。*/
100 　　　　　　　　　　　　　　　　　　　　state = STAT_PRE_COMMENT2;
101 　　　　　　　　　　　　　　　　}
102 　　　　　　　　　　　　　　　　else
103 　　　　　　　　　　　　　　　　{
104 　　　　　　　　　　　　　　　　}
105 　　　　　　　　　　　　　　　　break;
106 　　　　　　　　　　　　}
107 　　　　　　　　　　　　case STAT_PRE_COMMENT2:
108 　　　　　　　　　　　　{
109 　　　　　　　　　　　　　　　　if(c == '-')
110 　　　　　　　　　　　　　　　　{
111 　　　　　　　　　　　　　　　　　　　　　　/*在“注释前二” 状态下，读入字符‘-’， 进入“注释” 状态。*/
112 　　　　　　　　　　　　　　　　　　　　state = STAT_COMMENT;
113 　　　　　　　　　　　　　　　　}
114 　　　　　　　　　　　　　　　　else
115 　　　　　　　　　　　　　　　　{
116 　　　　　　　　　　　　　　　　}
117 　　　　　　　　　　　　}
118 　　　　　　　　　　　　case STAT_COMMENT:
119 　　　　　　　　　　　　{
120 　　　　　　　　　　　　　　　　/*进入子状态*/
121 　　　　　　　　　　　　　　　　xml_parser_parse_comment(thiz);
122 　　　　　　　　　　　　　　　　state = STAT_NONE;
123 　　　　　　　　　　　　　　　　break;
124 　　　　　　　　　　　　}
125 　　　　　　　　　　　　default:break;
126 　　　　　　　　}
127 
128 　　　　　　　　if(*thiz->read_ptr == '/0')
129 　　　　　　　　{
130 　　　　　　　　　　　　break;
131 　　　　　　　　}
132 　　　　}
133 　　　　return;
134 }

解析并没有在此结束，原因是像“起始TAG”状态和“处理指令”状态等，它们不是原子的，内部还包含一些子状态，如TAG名称，属性名和属性值等，它们需要进一步分解。在考虑子状态时，我们可以忘掉它所处的上下文，只考虑子状态本身，这样问题会得到简化。下面看一下起始TAG的状态机。

假设我们要解析下面这样一个起始TAG：
<mime-type xmlns=”http://www.freedesktop.org/standards/shared-mime-info” type=”all/all”>

我们应该怎样去做呢？还是按前面的方法，让一个指针指向缓冲区的头部，然后移动指针，直到指向缓冲区的尾部。在这个过程中，指针可能指向，TAG名称，属性名和属性值。由此我们可以定义出状态机的主要状态：

1. “TAG名称”状态
2. “属性名”状态
3. “属性值”状态

为了方便处理，再引两个中间状态，“属性名之前”状态和“属性值之前”状态。

状态转换函数：

初始状态为“TAG名称”状态
1. 在“TAG名称”状态下，读入空白字符，进入“属性名之前”状态。
2. 在“TAG名称”状态下，读入字符‘/’或‘>’，进入“结束”状态。
3. 在“属性名之前”状态下，读入其它非空白字符，进入“属性名”状态。
4. 在“属性名”状态下，读入字符‘=’，进入“属性值之前”状态。
5. 在“属性值之前”状态下，读入字符‘“’，进入“属性值”状态。
6. 在“属性值”状态下，读入字符‘”’，成功解析属性名和属性值，回到“属性名之前”状态。
7. 在“属性名之前”状态下，读入字符‘/’或‘>’，进入“结束”状态。

由于处理指令(PI)里也包含了属性状态，为了重用属性解析的功能，我们把属性的状态再提取为一个子状态。这样，“起始TAG”状态的图形表示如下：

下面我们看代码实现：

  1 static void xml_parser_parse_attrs(XmlParser* thiz, char end_char)
  2 {
  3      int i = 0;
  4 　　　　enum _State
  5 　　　　{
  6 　　　　　　　　STAT_PRE_KEY,
  7 　　　　　　　　STAT_KEY,
  8 　　　　　　　　STAT_PRE_VALUE,
  9 　　　　　　　　STAT_VALUE,
 10 　　　　　　　　STAT_END,
 11 　　　　}state = STAT_PRE_KEY;
 12 
 13 　　　　char value_end = '/"';
 14 　　　　const char* start = thiz->read_ptr;
 15 
 16 　　　　thiz->attrs_nr = 0;
 17 　　　　for(; *thiz->read_ptr != '/0' && thiz->attrs_nr < MAX_ATTR_NR; thiz->read_ptr++)
 18 　　　　{
 19 　　　　　　　　char c = *thiz->read_ptr;
 20 
 21 　　　　　　　　switch(state)
 22 　　　　　　　　{
 23 　　　　　　　　　　　　case STAT_PRE_KEY:
 24 　　　　　　　　　　　　{
 25 　　　　　　　　　　　　　　　　if(c == end_char || c == '>')
 26 　　　　　　　　　　　　　　　　{
 27 　　　　　　　　　　　　　　　　　　　　/*在“属性名之前”状态下，读入字符‘/’或‘>’，进入“结束”状态。*/
 28 　　　　　　　　　　　　　　　　　　　　state = STAT_END;
 29 　　　　　　　　　　　　　　　　}
 30 　　　　　　　　　　　　　　　　else if(!isspace(c))
 31 　　　　　　　　　　　　　　　　{
 32 　　　　　　　　　　　　　　　　　　　　/*在“属性名之前”状态下，读入其它非空白字符，进入“属性名”状态。*/
 33 　　　　　　　　　　　　　　　　　　　　state = STAT_KEY;
 34 　　　　　　　　　　　　　　　　　　　　start = thiz->read_ptr;
 35 　　　　　　　　　　　　　　　　}
 36 　　　　　　　　　　　　}
 37 　　　　　　　　　　　　case STAT_KEY:
 38 　　　　　　　　　　　　{
 39 　　　　　　　　　　　　　　　　if(c == '=')
 40 　　　　　　　　　　　　　　　　{
 41 　　　　　　　　　　　　　　　　　　　　/*在“属性名”状态下，读入字符‘=’，进入“属性值之前”状态。*/
 42 　　　　　　　　　　　　　　　　　　　　thiz->attrs[thiz->attrs_nr++] = (char*)xml_parser_strdup(thiz, start, thiz->read_ptr - start);
 43 　　　　　　　　　　　　　　　　　　　　state = STAT_PRE_VALUE;
 44 　　　　　　　　　　　　　　　　}
 45 
 46 　　　　　　　　　　　　　　　　break;
 47 　　　　　　　　　　　　}
 48 　　　　　　　　　　　　case STAT_PRE_VALUE:
 49 　　　　　　　　　　　　{
 50 　　　　　　　　　　　　　　　　/*在“属性值之前”状态下，读入字符‘“’，进入“属性值”状态。*/
 51 　　　　　　　　　　　　　　　　if(c == '/"' || c == '/'')
 52 　　　　　　　　　　　　　　　　{
 53 　　　　　　　　　　　　　　　　　　　　state = STAT_VALUE;
 54 　　　　　　　　　　　　　　　　　　　　value_end = c;
 55 　　　　　　　　　　　　　　　　　　　　start = thiz->read_ptr + 1;
 56 　　　　　　　　　　　　　　　　}
 57 　　　　　　　　　　　　　　　　break;
 58 　　　　　　　　　　　　}
 59 　　　　　　　　　　　　case STAT_VALUE:
 60 　　　　　　　　　　　　{
 61 　　　　　　　　　　　　　　　　/*在“属性值”状态下，读入字符‘”’，成功解析属性名和属性值，回到“属性名之前”状态。*/
 62 　　　　　　　　　　　　　　　　if(c == value_end)
 63 　　　　　　　　　　　　　　　　{
 64 　　　　　　　　　　　　　　　　　　　　thiz->attrs[thiz->attrs_nr++] = (char*)xml_parser_strdup(thiz, start, thiz->read_ptr - start);
 65 　　　　　　　　　　　　　　　　　　　　state = STAT_PRE_KEY;
 66 　　　　　　　　　　　　　　　　}
 67 　　　　　　　　　　　　}
 68 　　　　　　　　　　　　default:break;
 69 　　　　　　　　}
 70 
 71 　　　　　　　　if(state == STAT_END)
 72 　　　　　　　　{
 73 　　　　　　　　　　　　break;
 74 　　　　　　　　}
 75 　　　　}
 76 
 77 　　　　for(i = 0; i < thiz->attrs_nr; i++)
 78 　　　　{
 79 　　　　　　　　　　thiz->attrs[i] = thiz->buffer + (size_t)(thiz->attrs[i]);
 80 　　　　}
 81 　　　　thiz->attrs[thiz->attrs_nr] = NULL;
 82 
 83 　　　　return;
 84 }
 85 
 86 记得在XML里，单引号和双引号都可以用来界定属性值，所以上面对此做了特殊处理。
 87 
 88 static void xml_parser_parse_start_tag(XmlParser* thiz)
 89 {
 90 　　　　　　enum _State
 91 　　　　　　{
 92 　　　　　　　　　　STAT_NAME,
 93 　　　　　　　　　　STAT_ATTR,
 94 　　　　　　　　　　STAT_END,
 95 　　　　　　}state = STAT_NAME;
 96 
 97 　　　　　　char* tag_name = NULL;
 98 　　　　　　const char* start = thiz->read_ptr - 1;
 99 
100 　　　　　　for(; *thiz->read_ptr != '/0'; thiz->read_ptr++)
101 　　　　　　{
102 　　　　　　　　　　char c = *thiz->read_ptr;
103 
104 　　　　　　　　　　switch(state)
105 　　　　　　　　　　{
106 　　　　　　　　　　　　　　case STAT_NAME:
107 　　　　　　　　　　　　　　{
108 　　　　　　　　　　　　　　　　　　/*在“TAG名称”状态下，读入空白字符，属性子状态。*/
109 　　　　　　　　　　　　　　　　　　/*在“TAG名称”状态下，读入字符‘/’或‘>’，进入“结束”状态。*/
110 　　　　　　　　　　　　　　　　　　if(isspace(c) || c == '>' || c == '/')
111 　　　　　　　　　　　　　　　　　　{
112 　　　　　　　　　　　　　　　　　　　　　　state = (c != '>' && c != '/') ? STAT_ATTR : STAT_END;
113 　　　　　　　　　　　　　　　　　　}
114 　　　　　　　　　　　　　　　　　　break;
115 　　　　　　　　　　　　　　}
116 　　　　　　　　　　　　　　case STAT_ATTR:
117 　　　　　　　　　　　　　　{
118 　　　　　　　　　　　　　　　　　　　　/*进入“属性”子状态*/
119 　　　　　　　　　　　　　　　　　　xml_parser_parse_attrs(thiz, '/');
120 　　　　　　　　　　　　　　　　　　state = STAT_END;
121 
122 　　　　　　　　　　　　　　　　　　break;
123 　　　　　　　　　　　　　　}
124 　　　　　　　　　　　　　　default:break;
125 　　　　　　　　　　}
126 
127 　　　　　　　　　　if(state == STAT_END)
128 　　　　　　　　　　{
129 　　　　　　　　　　　　　　break;
130 　　　　　　　　　　}
131 　　　　　　}
132 
133 　　　　　　for(; *thiz->read_ptr != '>' && *thiz->read_ptr != '/0'; thiz->read_ptr++);
134 
135 　　　　　　return;
136 }

处理指令的解析和起始TAG的解析基本上是一样的，这里只是看一下代码：

 1 static void xml_parser_parse_pi(XmlParser* thiz)
 2 {
 3 　　　　enum _State
 4 　　　　{
 5 　　　　　　STAT_NAME,
 6 　　　　　　STAT_ATTR,
 7 　　　　　　STAT_END
 8 　　　　}state = STAT_NAME;
 9 
10 　　　　char* tag_name = NULL;
11 　　　　const char* start = thiz->read_ptr;
12 
13 　　　　for(; *thiz->read_ptr != '/0'; thiz->read_ptr++)
14 　　　　{
15 　　　　　　　　char c = *thiz->read_ptr;
16 
17 　　　　　　　　switch(state)
18 　　　　　　　　{
19 　　　　　　　　　　　　case STAT_NAME:
20 　　　　　　　　　　　　{
21 　　　　　　　　　　　　　　　　/*在“TAG名称”状态下，读入空白字符，属性子状态。*/
22 　　　　　　　　　　　　　　　　/*在“TAG名称”状态下，‘>’，进入“结束”状态。*/
23 　　　　　　　　　　　　　　　　if(isspace(c) || c == '>')
24 　　　　　　　　　　　　　　　　{
25 　　　　　　　　　　　　　　　　　　　　state = c != '>' ? STAT_ATTR : STAT_END;
26 　　　　　　　　　　　　　　　　}
27 
28 　　　　　　　　　　　　　　　　break;
29 　　　　　　　　　　　　}
30 　　　　　　　　　　　　case STAT_ATTR:
31 　　　　　　　　　　　　{
32 　　　　　　　　　　　　　　　　/*进入“属性”子状态*/
33 　　　　　　　　　　　　　　　　xml_parser_parse_attrs(thiz, '?');
34 　　　　　　　　　　　　　　　　state = STAT_END;
35 　　　　　　　　　　　　　　　　break;
36 　　　　　　　　　　　　}
37 　　　　　　　　　　　　default:break;
38 　　　　　　　　　}
39 
40 　　　　　　　　　if(state == STAT_END)
41 　　　　　　　　　{
42　　　　　　　　　　　　 break;
43 　　　　　　　　　}
44 　　　　　　}
45 
46 　　　　　　tag_name = thiz->buffer + (size_t)tag_name;
47 
48 　　　　　　for(; *thiz->read_ptr != '>' && *thiz->read_ptr != '/0'; thiz->read_ptr++);
49 
50 　　　　　　return;
51 }

注释，结束TAG和文本的解析非常简单，这里结合代码看看就行了：

“注释”子状态的处理：

 1 static void xml_parser_parse_comment(XmlParser* thiz)
 2 {
 3 　　　　enum _State
 4 　　　　{
 5 　　　　　　STAT_COMMENT,
 6 　　　　　　STAT_MINUS1,
 7 　　　　　　STAT_MINUS2,
 8 　　　　}state = STAT_COMMENT;
 9 
10 　　　　const char* start = ++thiz->read_ptr;
11 　　　　for(; *thiz->read_ptr != '/0'; thiz->read_ptr++)
12 　　　　{
13 　　　　　　　　char c = *thiz->read_ptr;
14 
15 　　　　　　　　switch(state)
16 　　　　　　　　{
17 　　　　　　　　　　　　case STAT_COMMENT:
18 　　　　　　　　　　　　{
19 　　　　　　　　　　　　　　　　/*在“注释”状态下，读入‘-’，进入“减号一”状态。*/
20 　　　　　　　　　　　　　　　　if(c == '-')
21 　　　　　　　　　　　　　　　　{
22 　　　　　　　　　　　　　　　　　　　　state = STAT_MINUS1;
23 　　　　　　　　　　　　　　　　}
24 　　　　　　　　　　　　　　　　break;
25 　　　　　　　　　　　　}
26 　　　　　　　　　　　　case STAT_MINUS1:
27 　　　　　　　　　　　　{
28 　　　　　　　　　　　　　　　　if(c == '-')
29 　　　　　　　　　　　　　　　　{
30 　　　　　　　　　　　　　　　　　　　　/*在“减号一”状态下，读入‘-’，进入“减号二”状态。*/
31 　　　　　　　　　　　　　　　　　　　　state = STAT_MINUS2;
32 　　　　　　　　　　　　　　　　}
33 　　　　　　　　　　　　　　　　else
34 　　　　　　　　　　　　　　　　{
35 　　　　　　　　　　　　　　　　　　　　state = STAT_COMMENT;
36 　　　　　　　　　　　　　　　　}
37 　　　　　　　　　　　　　　　　break;
38 　　　　　　　　　　　　}
39 　　　　　　　　　　　　case STAT_MINUS2:
40 　　　　　　　　　　　　{
41 　　　　　　　　　　　　　　　　if(c == '>')
42 　　　　　　　　　　　　　　　　{
43 　　　　　　　　　　　　　　　　　　　　/*在“减号二”状态下，读入‘>’，结束解析。*/
44 　　　　　　　　　　　　　　　　　　　　return;
45 　　　　　　　　　　　　　　　　}
46 　　　　　　　　　　　　　　　　else
47 　　　　　　　　　　　　　　　　{
48 　　　　　　　　　　　　　　　　　　　　state = STAT_COMMENT;
49 　　　　　　　　　　　　　　　　}
50 　　　　　　　　　　　　}
51 　　　　　　　　　　　　default:break;
52 　　　　　　　　}
53 　　　　}
54 
55 　　　　return;
56 }

“结束TAG”子状态的处理：

 1 static void xml_parser_parse_end_tag(XmlParser* thiz)
 2 {
 3 　　　　　　char* tag_name = NULL;
 4 　　　　　　const char* start = thiz->read_ptr;
 5 　　　　　　for(; *thiz->read_ptr != '/0'; thiz->read_ptr++)
 6 　　　　　　{
 7 　　　　　　　　/*读入‘>’，结束解析。*/
 8 　　　　　　　　if(*thiz->read_ptr == '>')
 9 　　　　　　　　{
10 　　　　　　　　　　break;
11 　　　　　　　　}
12 　　　　　　}
13 
14 　　　　　　return;
15 }

“文本”子状态的处理：

 1 static void xml_parser_parse_text(XmlParser* thiz)
 2 {
 3 　　const char* start = thiz->read_ptr - 1;
 4 　　for(; *thiz->read_ptr != '/0'; thiz->read_ptr++)
 5 　　{
 6 　　　　char c = *thiz->read_ptr;
 7 　　　　/*读入‘>’，结束解析。*/
 8 　　　　if(c == '<')
 9 　　　　{
10 　　　　　　if(thiz->read_ptr > start)
11 　　　　　　{
12 　　　　　　}
13 　　　　　　thiz->read_ptr--;
14 　　　　　　return;
15 　　　　}
16 　　　　else if(c == '&')
17 　　　　{
18 　　　　　　/*读入‘&’，进入实体(entity)解析子状态。*/
19 　　　　　　xml_parser_parse_entity(thiz);
20 　　　　}
21 　　}
22 
23 　　return;
24 }

posted on 2012-09-17 12:47 竞击阅读(811) 评论(0) 编辑收藏举报