WAP协议研究笔记--wbxml2代码导读

我们知道，彩信(MMS)和WAP浏览器是WAP协议的两大主要应用。WAP协议有点复杂，也算是SmartPhone中的核心技术之一吧，它包括WDP/WTP/WSP这一套传输协议，也包括WML/和SMIL这样的内容表示协议。去年花了一点时间去研究它，后来该任务取消了，所以没有搞得太透彻。今年要真正使用了，现在继续研究，主要侧重于它的实现。这里记录一些研究笔记，本文是关于wbxml解析器的。

WBXML是WAP Binary XML Content Format的简称。WML和HTML有些类似，但针对手持设备做了些特殊处理，只支持一些最基本的功能，同时加了一些特殊的元素。像大多数标记语言一样，WML的tag本身占了不少空间。为了充分利用有限的带宽资源，wapforum提出了WBXML规范，它实际上相当于一种简单的压缩算法。

这种算法比较简单，它给常用的字符串指定一个单字节的ID，这些字符串包括TAG、属性和属性的值等等，比如<anchor>用0x22表示，这样8个字节压缩成了1个字节。而TAG的结束统一用0x01表示，进一步对数据进行压缩。这种压缩算法简单，尽管它只针对标记语言本身，而不能针对网页内容，但由于标记语言在文件中所占比例较大，所以压缩率仍然十分可观。下面是一个简单的例子（压缩前后）：

虽然无论是解析WML还是WBXML，其算法都不是太难。但其工作量可不小的，特别是要花不少时间去阅读相关规范，漏掉一点都可能会造成不小的麻烦。幸好sourceforge上已经有一个叫做wbxml2的项目，它实现了WML和WBXML的解析以及两者之间的转换功能。下面我们介绍一下wbxml2-0.9.2的代码：

1.       wbxml_base64.c/wbxml_base64.h base64编码算法，wbxml中用来编/解码Digital Rights Management(DRM)的KeyValue。

2.       wbxml_buffers.c/wbxml_buffers.h buffer管理算法，通常解析器都会实现一个buffer管理算法，一方面有效利用内存，避免内存碎片。另一方面使用也比较方便。

3.       wbxml_charset.c/wbxml_charset.h 字符集转换函数，里面调用libc的iconv系列函数实现。

4.       wbxml_conv.c/wbxml_conv.h 实现了两个函数，用来在WML和WBXML之间转换。

5.       wbxml_elt.c/wbxml_elt.h 对TAG的抽象，实现了一些常用的函数。

6.       wbxml_encoder.c/wbxml_encoder.h 对语法树进行编码，即把语法树转换成WBXML语言。

7.       wbxml_errors.c/wbxml_errors.h 错误信息，主要是WML/WBXML的语法错误。

8.       wbxml.h 总的头文件。

9.       wbxml_handlers.h SAX解析器的回调函数的原型定义。

10.    wbxml_lists.c/wbxml_lists.h 一个简单的链表实现。

11.    wbxml_log.c/wbxml_log.h log函数，用来打印一些调试信息。

12.    wbxml_mem.c/wbxml_mem.h 对内存分配/释放函数的封装，主要是用来查内存泄漏。

13.    wbxml_parser.c/wbxml_parser.h 这是WBXML的解析器，采用类SAX的方式解析。

14.    wbxml_tables.c/wbxml_tables.h 字符串和其编码的对应关系表，在编/解码时需要。

15.    wbxml_tree.c/wbxml_tree.h WML/WBXML的语法树。

16.    wbxml_tree_clb_wbxml.c/wbxml_tree_clb_wbxml.h WBXML的回调函数，用来构建语法树。

17.    wbxml_tree_clb_xml.c/wbxml_tree_clb_xml.h XML的回调函数，用来构建语法树。

18.    wbxml_wrap_syncml.c/wbxml_wrap_syncml.h 对syncml的封装，没有任何实现。

WBXML的解析是wbxml_parser实现的，而对WML的解析是用expat实现的，所以它依赖于expat函数库。