src/XMLDocShredder.h

   1 /**************************************
   2  * XMLDocShredder.h
   3  * --------------------
   4  * Header file for the shredder routine that invokes the XML parser and
   5  * calls the appropriate construction methods of the storage interface in
   6  * correspondence with received parsing events.
   7  *
   8  * Author: Greg Leighton
   9  * Date: 02/11/08
  10  */
  11
  12 #ifndef XMLDOCSHREDDER_H_
  13 #define XMLDOCSHREDDER_H_
  14
  15 #include <libxml++/libxml++.h>
  16 #include <libxml++/parsers/textreader.h>
  17 #include <string>
  18 #include "XMLTree.h"
  19 #include "XMLTreeBuilder.h"
  20
  21 using namespace std;
  22 using namespace xmlpp;
  23
  24
  25 class XMLDocShredder
  26 {
  27   void doText();
  28 public:
  29   XMLDocShredder(const string inFileName,int sf, bool iet, bool dtc,
  30                  TextCollectionBuilder::index_type_t index_type
  31                  );
  32   XMLDocShredder(const unsigned char * data,
  33                  TextReader::size_type size,
  34                  int sf, bool iet, bool dtc,
  35                  TextCollectionBuilder::index_type_t index_type
  36                  );
  37   virtual ~XMLDocShredder();
  38   virtual void processStartElement();
  39   virtual void processEndElement();
  40   virtual void processPCDATA();
  41   virtual void processAttributes();
  42   virtual void processSignificantWhitespace();
  43   virtual void processStartDocument(const string docName);
  44   virtual void processEndDocument();
  45   virtual void processComment();
  46   virtual void processProcessingInstruction();
  47   virtual void processDocTypeDeclaration();
  48   virtual void processUnknownNodeType();
  49   virtual void processCDATASection();
  50   virtual void parse();
  51
  52   XMLTree * getXMLTree(){
  53     return tree;
  54   }
  55
  56
  57  private:
  58   XMLTreeBuilder * tb;
  59   XMLTree * tree;
  60   TextReader *reader_;
  61   void setProperties();
  62   bool last_text;
  63   string buffer;
  64   // used to coalece successive text events
  65   // which can occur if we discard pi and comment nodes.
  66 };
  67
  68 #endif /*XMLDOCSHREDDER_H_*/