第四章 CPU实战：XML解析

一、背景

主要原因是自定义的HTML"tag-soup"解析器，只是简单的将输入分为『标签』和『非标签』两个类别，然后从这团乱麻中提取元数据。

二、HTML扫描器

HTML解析器最重要的操作就是便利源文件中的每个字符，并确定他属于标签还是之外的文本，将<b>粗体文本</b>这个HTML源代码切分成开口标签<b>、粗体文本内容、闭口标签</b>。

三、将回调映射为消息

将回调函数作为函数指针传递给扫描器，实际上已经非常接近于提供消息接口了，然而这会让接口变得非常复杂。

MPWSubData的一个微妙之处在于工作原理很像NSData，但实际上它是NSString的子类，所以兼容NSString，这仅适用于字节和字符之间具有1：1映射的字符串编码（例如ASCII或ISOLatin1，ASCII是UTF-8的一个子集），因此解析器要检测片段是否为纯ASCII，如果是则使用MPWSubData，否则创建一个简单的NSString。

MPWSubData对象使用缓冲区来进行初始化，而该缓存区引用了一个NSData对象，以及数据中对应区域的位置和长度，他将引用的NSData对象进行了retain操作，因此不会释放掉底层的缓存区。由于通常情况下，会多次使用相同的缓存区，因此要正确的设置缓存区，避免不必要的引用计数操作，从而达到优化目的，否则会严重影响总体性能。