从零开始的 JSON 库教程（七）：生成器解答篇

  • Milo Yip
  • 2017/1/5

本文是《从零开始的 JSON 库教程》的第七个单元解答篇。解答代码位于 json-tutorial/tutorial07_answer。

1. 生成字符串

我们需要对一些字符进行转义，最简单的实现如下：

  1. static void lept_stringify_string(lept_context* c, const char* s, size_t len) {
  2.     size_t i;
  3.     assert(s != NULL);
  4.     PUTC(c, '"');
  5.     for (i = 0; i < len; i++) {
  6.         unsigned char ch = (unsigned char)s[i];
  7.         switch (ch) {
  8.             case '\"': PUTS(c, "\\\"", 2); break;
  9.             case '\\': PUTS(c, "\\\\", 2); break;
  10.             case '\b': PUTS(c, "\\b",  2); break;
  11.             case '\f': PUTS(c, "\\f",  2); break;
  12.             case '\n': PUTS(c, "\\n",  2); break;
  13.             case '\r': PUTS(c, "\\r",  2); break;
  14.             case '\t': PUTS(c, "\\t",  2); break;
  15.             default:
  16.                 if (ch < 0x20) {
  17.                     char buffer[7];
  18.                     sprintf(buffer, "\\u%04X", ch);
  19.                     PUTS(c, buffer, 6);
  20.                 }
  21.                 else
  22.                     PUTC(c, s[i]);
  23.         }
  24.     }
  25.     PUTC(c, '"');
  26. }
  28. static void lept_stringify_value(lept_context* c, const lept_value* v) {
  29.     switch (v->type) {
  30.         /* ... */
  31.         case LEPT_STRING: lept_stringify_string(c, v->u.s.s, v->u.s.len); break;
  32.         /* ... */
  33.     }
  34. }

注意到，十六进位输出的字母可以用大写或小写，我们这里选择了大写，所以 roundstrip 测试时也用大写。但这个并不是必然的，输出小写（用 "\\u%04x"）也可以。

2. 生成数组和对象

生成数组也是非常简单，只要输出 [ 和 ]，中间对逐个子值递归调用 lept_stringify_value()。只要注意在第一个元素后才加入 ,。而对象也仅是多了一个键和 :。

  1. static void lept_stringify_value(lept_context* c, const lept_value* v) {
  2.     size_t i;
  3.     switch (v->type) {
  4.         /* ... */
  5.         case LEPT_ARRAY:
  6.             PUTC(c, '[');
  7.             for (i = 0; i < v->u.a.size; i++) {
  8.                 if (i > 0)
  9.                     PUTC(c, ',');
  10.                 lept_stringify_value(c, &v->u.a.e[i]);
  11.             }
  12.             PUTC(c, ']');
  13.             break;
  14.         case LEPT_OBJECT:
  15.             PUTC(c, '{');
  16.             for (i = 0; i < v->u.o.size; i++) {
  17.                 if (i > 0)
  18.                     PUTC(c, ',');
  19.                 lept_stringify_string(c, v->u.o.m[i].k, v->u.o.m[i].klen);
  20.                 PUTC(c, ':');
  21.                 lept_stringify_value(c, &v->u.o.m[i].v);
  22.             }
  23.             PUTC(c, '}');
  24.             break;
  25.         /* ... */
  26.     }
  27. }

3. 优化 lept_stringify_string()

最后，我们讨论一下优化。上面的 lept_stringify_string() 实现中，每次输出一个字符／字符串，都要调用 lept_context_push()。如果我们使用一些性能剖测工具，也可能会发现这个函数消耗较多 CPU。

  1. static void* lept_context_push(lept_context* c, size_t size) {
  2.     void* ret;
  3.     assert(size > 0);
  4.     if (c->top + size >= c->size) { // (1)
  5.         if (c->size == 0)
  6.             c->size = LEPT_PARSE_STACK_INIT_SIZE;
  7.         while (c->top + size >= c->size)
  8.             c->size += c->size >> 1;  /* c->size * 1.5 */
  9.         c->stack = (char*)realloc(c->stack, c->size);
  10.     }
  11.     ret = c->stack + c->top;       // (2)
  12.     c->top += size;                // (3)
  13.     return ret;                    // (4)
  14. }

中间最花费时间的，应该会是 (1)，需要计算而且作分支检查。即使使用 C99 的 inline 关键字（或使用宏）去减少函数调用的开销，这个分支也无法避免。

所以，一个优化的点子是，预先分配足够的内存，每次加入字符就不用做这个检查了。但多大的内存才足够呢？我们可以看到，每个字符可生成最长的形式是 \u00XX，占 6 个字符，再加上前后两个双引号，也就是共 len * 6 + 2 个输出字符。那么，使用 char* p = lept_context_push() 作一次分配后，便可以用 *p++ = c 去输出字符了。最后，再按实际输出量调整堆栈指针。

另一个小优化点，是自行编写十六进位输出，避免了 printf() 内解析格式的开销。

  1. static void lept_stringify_string(lept_context* c, const char* s, size_t len) {
  2.     static const char hex_digits[] = { '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F' };
  3.     size_t i, size;
  4.     char* head, *p;
  5.     assert(s != NULL);
  6.     p = head = lept_context_push(c, size = len * 6 + 2); /* "\u00xx..." */
  7.     *p++ = '"';
  8.     for (i = 0; i < len; i++) {
  9.         unsigned char ch = (unsigned char)s[i];
  10.         switch (ch) {
  11.             case '\"': *p++ = '\\'; *p++ = '\"'; break;
  12.             case '\\': *p++ = '\\'; *p++ = '\\'; break;
  13.             case '\b': *p++ = '\\'; *p++ = 'b';  break;
  14.             case '\f': *p++ = '\\'; *p++ = 'f';  break;
  15.             case '\n': *p++ = '\\'; *p++ = 'n';  break;
  16.             case '\r': *p++ = '\\'; *p++ = 'r';  break;
  17.             case '\t': *p++ = '\\'; *p++ = 't';  break;
  18.             default:
  19.                 if (ch < 0x20) {
  20.                     *p++ = '\\'; *p++ = 'u'; *p++ = '0'; *p++ = '0';
  21.                     *p++ = hex_digits[ch >> 4];
  22.                     *p++ = hex_digits[ch & 15];
  23.                 }
  24.                 else
  25.                     *p++ = s[i];
  26.         }
  27.     }
  28.     *p++ = '"';
  29.     c->top -= size - (p - head);
  30. }

要注意的是，很多优化都是有代价的。第一个优化采取空间换时间的策略，对于只含一个字符串的JSON，很可能会分配多 6 倍内存；但对于正常含多个值的 JSON，多分配的内存可在之后的值所利用，不会造成太多浪费。

而第二个优化的缺点，就是有稍增加了一点程序体积。也许有人会问，为什么 hex_digits 不用字符串字面量 "0123456789ABCDEF"？其实是可以的，但这会多浪费 1 个字节（实际因数据对齐可能会浪费 4 个或更多）。

4. 总结

我们用 80 行左右的代码就实现了 JSON 生成器，并尝试了做一些简单的优化。除了这种最简单的功能，有一些 JSON 库还会提供一些美化功能，即加入缩进及换行。另外，有一些应用可能需要大量输出数字，那么就可能需要优化数字的输出。这方面可考虑 C++ 开源库 double-conversion，以及参考本人另一篇文章《RapidJSON 代码剖析（四）：优化 Grisu》。

现时数组和对象类型只有最基本的访问、修改函数，我们会在下一篇补完。

如果你遇到问题，有不理解的地方，或是有建议，都欢迎在评论或 issue 中提出，让所有人一起讨论。