c - 在 C 中解析 Twitter 提要

Question

我正在尝试弄清楚如何获取 Twitter 用户的最新纬度和经度(从新的 Geo API 数据，即 <geo:point> 标签，您可以在 my twitter user timeline xml feed 上看到它们的样子) .我还需要从 <created_at> 检索该数据的年龄(以秒为单位)标签。

我正在尝试用 C 语言编写它以与 mbed microcontroller 一起使用所以我不能使用任何大型库(理想情况下我不会使用任何库，但这可能是个坏主意)。 mbed 网站建议 a few light libraries - YAJL和 FastXML 似乎很有用 - 但我的 C 知识非常基础，我不确定如何继续。

假设我有将 Twitter 用户时间线作为字符串检索到内存和/或磁盘(作为 JSON 或 XML)的代码，我应该如何进行？

目前我正在通过 PHP 在我的网络服务器上执行此抓取操作，但我宁愿在 C 中完成它，因为我希望在完成后发布代码(而且我不希望我可怜的服务器被撞!)PHP 看起来像这样:

<?php
date_default_timezone_set('UTC');
try {
  $tweets = json_decode(file_get_contents("http://twitter.com/statuses/user_timeline.json?screen_name=".urlencode($_GET['screenname'])));
  foreach($tweets as $tweet) {
    if (is_array($tweet->geo->coordinates)) {
      echo date("U") - strtotime($tweet->created_at);
      echo ",{$tweet->geo->coordinates[0]},{$tweet->geo->coordinates[1]}";
      break;
    }
  }
} catch (Exception $e) {
  exit();
}

这很好用，但我不知道如何将其转换为 C!有什么想法吗？

这是我希望处理的 XML 片段:

<statuses type="array">
 <status>
  <created_at>Sat Dec 12 22:25:17 +0000 2009</created_at>
  <id>6611101548</id>
  <text>Hello stackoverflow! This tweet is geotagged.</text>
  <other tags/>
  <geo>
   <georss:point>52.946972 -1.182846</georss:point>
  </geo>
 </status>
 <status ...>
</statuses>

(顺便说一句，mbed 很棒，尽管我在 C 或电子方面缺乏高级知识，但我还是玩得很开心，它们的价格是 in stock at Farnell 32 英镑，绝对物有所值!)

Answer 1

假设所有提要都在内存中，我会编写一个非常粗糙、简单的解析器。

首先，我会编写一个高级分词器。此分词器将返回两种类型的分词:XML 标签和其他。

所以，如果您有一个 XML 源:

<tag arg="stuff">
    <tag2>data</tag2>
</tag>

That would return "<tag arg="stuff">" as the first token, "
    " (note newline) in the second token, "<tag2>" in the third, "data" in the forth.

像这样:

char *p = bufPtr;
char *start = p;
char *token;
char target;

if (*p == '<') {
    // found the start of a tag, lets look for the end
    target = '>';
} else {
    // not in a tag, so we'll search for one
    target = '<';
}
p++;
while (*p != target) {
    p++;
}
int length = p - start;
result = malloc(length + 1);
memcpy(result, start, length);
*(token + length) = '\0'; // terminate result string
bufPtr = p; // advance for the next token

(注意，我的 C 还生疏了，这里可能会有一些错误，但要点很好。)

现在我得到了 XML 的这些元数据 block ，这很简单。

我只是扫描标记，直到看到以您的地理标记开头的标记。一旦你看到这个，你就“知道”下一个标记是你的纬度/经度数据。捕获它，解析它(可能使用 sscanf)，以获取您的值。

这样做的目的是有效地扁平化您的 XML 空间。你真的不关心标签有多深，你真的不关心它的格式是否正确，或者任何东西。您几乎假设它的格式正确且符合要求。

在我的脑海中，我不知道 XML 是否允许在带引号的标记属性中使用 < 或 > 字符，但即使它允许，这个 SPECIFIC XML 也很可能不允许，所以它'会工作的。否则，您将需要解析引用的内容(不是那么难，但是......)。

这稳健吗？一定不行。对 GIGO 非常敏感。但是一个简单的检查以确保您没有用尽缓冲区末端应该可以帮助您解决问题。