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（来自新的 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> 标记中检索该数据的年龄（以秒为单位）。

我正在尝试用 C 语言编写它以与 mbed microcontroller 一起使用，因此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，我应该如何继续？

目前我正在通过 PHP 在我的网络服务器上进行这种抓取，但我宁愿在 C 中完成它，因为我希望在完成后发布代码（而且我不希望我的服务器很差被撞了！）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，但我不知道如何把它变成 C！有什么想法吗？

这是我希望处理的 XML 的 sn-p：

<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 棒极了，尽管我缺乏 C 或电子方面的高级知识，但我用它玩得很开心，他们是 in stock at Farnell，只需 32 英镑，绝对物有所值！）

Answer 1

假设您在内存中拥有所有提要，我会编写一个非常粗略且简单的解析器。

首先，我会编写一个高级标记器。此标记器将返回两种类型的标记：XML 标记和其他。

所以，如果你有一个 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.

类似这样的：

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

（警告，我的 C 生锈了，这里可能有一些一次性错误，但要点是好的。）

现在我得到了 XML 的这些元数据块，这很简单。

我只是扫描令牌，直到我看到一个以您的地理标签开头的令牌。一旦你看到这个，你“知道”下一个标记是你的纬度/经度数据。抓住它，解析它（也许用 sscanf），得到你的值。

这样做可以有效地扁平化 XML 空间。你真的不在乎标签有多深，你真的不在乎它的格式是否正确，或者其他什么。您几乎可以假设它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 字符，但即使它允许，这个 SPECIFIC XML 也很有可能不允许，所以它会工作的。否则你需要解析引用的东西（不是那么难，但是......）。

这很健壮吗？一定不行。非常GIGO敏感。但是一个简单的检查来确保你没有跑出缓冲区结束应该可以救你。