如何使用STL寫XML轉檔程式? (C/C++) (STL) (Web) (XML)

Abstract
寫文字檔轉檔程式是很常見的需求，一般來說，這種都屬於dirty job，沒什麼技巧，純粹是迴圈硬幹，若使用STL來寫轉檔程式，不只程式超短，一個迴圈都不需要!!

Introduction
昨天網友Momo要我幫他寫一個轉檔程式，將文字檔轉成XML檔，格式如下

文字檔user_b5fix.dat

-1,-1,-1,-1,-1,-1
一元運算符,一元運算子
二叉樹,二元樹
二元運算符,二元運算子
二分查找,二分搜尋法
二進制,二進位
二極管,二極體
人工智能,人工智慧
人工過濾,手動過濾
八進制的,八進位的

XML檔tongwen.xml

<?xml version="1.0" encoding="UTF-8"?>
<manifest>
<traditional>
<phrase><s>数据</s><r>資料</r></phrase>
<phrase><s>台湾</s><r>台灣</r></phrase>
</traditional>
<simplified>

</simplified>
</manifest>

user_b5fix.dat是個純文字檔，記載著繁體中文和簡體中文的對照表，實際上檔案有三千多筆資料，因為篇幅的關係，我只列出前幾行，希望轉成XML檔後，在<s></s>內放簡體中文，在<r></r>內放繁體中文。

txt_to_xml.cpp

1/**//* 
2(C) OOMusou 2007 http://oomusou.cnblogs.com
3
4Filename    : txt_to_xml.cpp
5Compiler    : Visual C++ 8.0
6Description : Demo how to transform text to xml
7Release     : 01/30/2007 1.1
8*/
9#include <fstream>
10#include <vector>
11#include <string>
12#include <algorithm>
13
14using namespace std;
15
16string op(string& s) {
17  s.replace(s.find(","), 1, "</s><r>");
18  return "<phrase><s>" + s + "</r></phrase>";
19}
20
21int main() {
22  ifstream inFile("user_b5fix.dat");
23  ofstream outFile("tongwen.xml");
24 
25  vector<string> svec;
26  copy(istream_iterator<string>(inFile), istream_iterator<string>(), back_inserter(svec));
27  remove(svec.begin(), svec.end(), "-1,-1,-1,-1,-1,-1");
28 
29  transform(svec.begin(), svec.end(), svec.begin(), op);
30 
31  outFile << "<?xml version=\"1.0\" encoding=\"UTF-8\"?>" << endl << "<manifest>" << endl << "<traditional>" << endl;
32  copy(svec.begin(), svec.end(),  ostream_iterator<string>(outFile, "\n"));
33  outFile << "</traditional>" << endl << "<simplified>" << endl << endl << "</simplified>" << endl << "</manifest>";
34
35  inFile.close();
36  outFile.close();
37}

整個轉檔的程式的想法是：將文字檔讀進vector後，在vector內作轉檔工作，最後再輸出到XML檔。

21行、22行

ifstream inFile("user_b5fix.dat");
ofstream outFile("tongwen.xml");

宣告欲讀入的文字user_b5fix.dat和欲輸出的文字檔tongwen.xml。

24行

vector<string> svec;

宣告一個vector。

25行

copy(istream_iterator<string>(inFile), istream_iterator<string>(), back_inserter(svec));

將文字檔讀入vector，使用了copy()這個泛型演算法，第一個參數傳入文字檔的開始位置，第二個參數傳入文字檔的結束位置，如此copy()就能從頭到尾的讀取文字檔，第三個參數是將讀進的資料寫到vector。為什麼要用back_inserter()呢?因為我們希望資料是一筆一筆採用附加的方式寫入vector。

26行

remove(svec.begin(), svec.end(), "-1,-1,-1,-1,-1,-1");

這一行算是dirty job，因為原來的user_b5fix.dat文字檔中，第一行是-1,-1,-1,-1,-1,-1這些垃圾資料，所以必須先刪除之，使用了remove()泛型演算法。

27行

transform(svec.begin(), svec.end(), svec.begin(), op);

轉檔工作正式開始，使用了transform()泛型演算法，一般來說transform()是用來將a容器轉換到b容器使用，但由於現在來源和目的是同一個容器，所以第一個參數和第三個參數一樣。

該如何轉換呢?我們必須將規則告訴transform()，第四個參數op是我們另外寫的function，這個參數可以是一般global function，或者是function object(functor)。

16行

string op(string& s) {
  s.replace(s.find(","), 1, "</s><r>");
  return "<phrase><s>" + s + "</r></phrase>";
}

就是我們自己寫的global function，首先將","替換成</s><r>，然後在每行前後加上XML tag。

或許你會覺得transform()為了轉換規則，還需另開一個global function很麻煩，在boost和C# 3.0的lambda就是為了解決這個問題，可以直接將轉換規則透過lambda寫在transform()裡。

31行

outFile << "<?xml version=\"1.0\" encoding=\"UTF-8\"?>" << endl << "<manifest>" << endl << "<traditional>" << endl;

處理XML檔頭所需的字串，在C++裡，不只cin、cout可以使用<<喔，檔案也可以。

32行

copy(svec.begin(), svec.end(),  ostream_iterator<string>(outFile, "\n"));

將轉好的vector資料copy到XML檔。

33行

outFile << "</traditional>" << endl << "<simplified>" << endl << endl << "</simplified>" << endl << "</manifest>";

處理XML檔檔尾字串。

35行

inFile.close();
outFile.close();

對兩個檔案進行關檔動作。

Conclusion
本來發下豪語要在20行內寫出來，結果現在扣掉註解，還需26行，哈。若使用boost的lambda還可以再省掉三行，不過最少全部使用STL解決，和我預期的目標接近。

若是C#和Java coder看到這種程式碼應該相當震驚，回想我第一次看到STL時那種驚訝的表情，竟然完全沒用到一行迴圈!!這正是STL優雅之處。