c++ - 在 C++ 字符串中转义 XML/HTML 的最有效方法？

Question

我不敢相信以前没有人问过这个问题。我有一个字符串需要插入到 HTML 文件中，但它可能包含特殊的 HTML 字符。我想用适当的 HTML 表示替换这些。

下面的代码可以工作，但是非常冗长和丑陋。性能对我的应用程序来说并不重要，但我想这里也存在可伸缩性问题。我该如何改进呢？我想这是 STL 算法或一些深奥的 Boost 函数的工作，但下面的代码是我自己能想到的最好的。

void escape(std::string *data)
{
    std::string::size_type pos = 0;
    for (;;)
    {
        pos = data->find_first_of("\"&<>", pos);
        if (pos == std::string::npos) break;
        std::string replacement;
        switch ((*data)[pos])
        {
        case '\"': replacement = "&quot;"; break;   
        case '&':  replacement = "&amp;";  break;   
        case '<':  replacement = "&lt;";   break;   
        case '>':  replacement = "&gt;";   break;   
        default: ;
        }
        data->replace(pos, 1, replacement);
        pos += replacement.size();
    };
}

Answer 1

您可以使用动态替换进行复制，而不是仅仅替换原始字符串，从而避免移动字符串中的字符。这将有更好的复杂性和缓存行为，所以我期待一个巨大的改进。或者您可以使用 boost::spirit::xml encode或 http://code.google.com/p/pugixml/ .

void encode(std::string& data) {
    std::string buffer;
    buffer.reserve(data.size());
    for(size_t pos = 0; pos != data.size(); ++pos) {
        switch(data[pos]) {
            case '&':  buffer.append("&");       break;
            case '\"': buffer.append(""");      break;
            case '\'': buffer.append("'");      break;
            case '<':  buffer.append("&lt;");        break;
            case '>':  buffer.append("&gt;");        break;
            default:   buffer.append(&data[pos], 1); break;
        }
    }
    data.swap(buffer);
}

编辑:可以通过使用启发式方法来确定缓冲区的大小来实现小幅改进。将 buffer.reserve 行替换为 data.size()*1.1 (10%) 或类似内容，具体取决于预期的替换量。