前些天在做一个小项目，需要实现从字符串到XML文件的逆向转换过程。该字符串由XML文件所得。由于使用环境对解析时间和内存使用量有严格的要求，因此必须确保解析速度和所占用内存。
下面简单叙述一下我的实现过程。最开始采用的方法是每次从文件字符串里面读入一个节点的值，具体读取过程有xml文件各个节点属性决定。再利用一个stack对xml文件节点进行管理。大致思路是每读入一个字符串，先判断其类型，如果是Element或者text, comment, cdata类型则入栈，若为EndElement则出栈，这样就可以顺利建立起各个父子节点之间的关系。
采用这样的方法是思路比较的明确，实现起来比较的简单，缺点是解析速度太慢了，解析一个2M左右的XML文件要10多分钟，而且所费时间与文件的大小成几何级别增长，根本不可能接受。在采用这种方法过程中，也出现了一个小插曲。就是在解析比较大的xml文件时，当解析的xml节点超过1500个时，就会导致内存分配错误，堆栈溢出，开始是百思不得其解，后来才知道是由于我在解析字符串过程中，采用了递归的方法，因此内存消耗很厉害，特别是我开始传入一个const字符串时，一个小小的几百K(以200k为例)的文件就可能导致内存一下子消耗几百M，因为每次只读入一个节点字符串，这样最终大小可以达到200K+19.96k+....+0 ~=200*(200-1)k/2~ = 200M.因此导致编译器堆栈溢出，解决方法有几种，一是将堆栈设置大些，另外就是改递归为循环。我采用了后者。
在进行字符串解析时，我大量采用了STL的字符串find,find_first_of()，substr等
函数，但是这通常只在搜索小字符串时速度较快，在长达几M的字符串时，由于大块的内存操作，程序运行慢如蜗牛。而且我在前面的实现方法中，每次是提取一个节点，然后再进行解析，这样在读取和解析过程中，会导致许多重复的步骤，严重影响工作效率。 于是我就采用一个了for循环对读入的一个个字节进行处理，这样速度得到显著的提高。但是程序在解析大字符串时还是运行很慢，我开始 意识到是长字符串的问题，因此得想方法分段解析才行。于是决定每次从字符串里面提取一定的字符处理。在解析长达几M的字符串时，我先后试验了每次提取64bit，128bit，256bit,512bit, 1k, 2k, 4k等不同长度的字符串，发现在处理大字符串时，4K的效果最好。在解析一个8M左右的xml字符串时，速度可以达到30S，但是内存消耗有点厉害了，达100M。因此也很难满足要求。
最后还是采用了一种比较折中的方法，就是在初次解析时，只解析根节点以及其下一层子节点，在保存过程中再分段解析，主要可以极大的减少内存消耗，8M左右的文件可以降低到20M左右内存。速度也有所提高,最终耗时3s左右。