17370845950

C++轻量级流式JSON解析器采用SAX事件驱动设计，O(1)内存占用，支持UTF-8、转义处理与零拷贝string_view回调。

用 C++ 实现一个轻量级流式 JSON 解析器，核心是采用 SAX（Simple API for XML）风格——即事件驱动、不构建完整 DOM 树，边读边处理，内存占用恒定（O(1)），特别适合大文件、嵌入式或实时数据流场景。

核心设计：基于字符流的事件回调

不依赖第三方库（如 jsoncpp、nlohmann/json），手动解析 UTF-8 字节流，识别结构变化（对象开始/结束、数组开始/结束、键名、字符串/数字/布尔值/空值），每识别出一个语义单元，立即触发用户注册的回调函数。

关键状态机要素：

• 维护当前解析深度（用于匹配 {/} 和 [/]）
• 区分上下文：是否在对象内、是否等待键名、是否在字符串中（注意转义和引号配对）
• 逐字节推进，跳过空白（' '、'\t'、'\n'、'\r'），不回溯
• 数字解析用 std::from_chars（C++17）或简易状态机避免 std::stod 开销

关键类型与回调接口定义

定义简洁的事件枚举和回调签名，保持低耦合：

enum class JsonEventType {
  START_OBJECT, END_OBJECT,
  START_ARRAY,  END_ARRAY,
  KEY,          STRING,
  NUMBER,       BOOL,
  NULL_VALUE
};

using JsonHandler = std::function;

注意：KEY 仅在对象内、冒号前触发；STRING 对应字符串字面量（已去引号、已解转义）；NUMBER 的 payload 是原始数字文本（如 "123" 或 "-3.14e+2"），由用户决定是否转换。

字符串解转义与 UTF-8 安全处理

JSON 字符串必须支持 Unicode，且需正确处理 \uXXXX 转义。简易做法：

• 遇到 \" → 输出 "
• 遇到 \\ → 输出 \
• 遇到 \u 后跟 4 个十六进制字符 → 转为 UTF-8 编码字节序列（需处理代理对，但简单场景可先忽略 BMP 外字符）
• 非转义双引号或控制字符（0x00–0x1F）视为非法，可报错或跳过

推荐用查表法快速判断 hex 字符，避免 std::stoi 开销。

内存友好：零拷贝 + 用户缓冲区管理

不内部缓存整个 token，而是将 std::string_view 指向输入缓冲区的子段（前提是输入生命周期可控）。例如：

• 解析到 "name": "Alice" 时，对 "name" 触发 KEY 事件，传入 string_view{buf + pos, 4}
• 对 "Alice" 触发 STRING，传入 string_view{buf + pos2, 5}
• 用户若需长期持有，自行复制；否则直接处理，无额外分配

整个解析器自身只需几十字节栈空间（状态、深度、临时索引），不 new/malloc。

基本上就这些。写起来约 300–500 行 C++17 代码，能覆盖 RFC 8259 核心子集，兼顾性能与可读性。真要上生产，建议在关键路径加断言和错误位置追踪（行号/列号），但不影响流式本质。