sax是解析超大xml的唯一靠谱选择：libxml2的sax模式内存恒定，需用xmlsaxhandler注册回调并流式喂数据；tinyxml2仅适合≤5mb文件；手写解析器或mmap仅适用于结构极简场景。
用 libxml2 的 SAX 模式边读边处理，别加载整棵树
大 XML 文件（比如几百 MB 以上）用 DOM 解析会直接 OOM——libxml2 默认的 xmlReadFile 就是 DOM 模式，把整个文档 parse 成内存树。必须切到 SAX（或更轻量的 xmlReader），逐节点回调，不保留结构。
推荐优先用 xmlReader：比原始 SAX 更易用，支持跳过无关节点、按路径定位，且内存占用稳定在 KB 级。示例关键步骤：
- 用
xmlReaderForFile打开文件，返回xmlTextReaderPtr - 循环调用
xmlTextReaderRead，每次推进到下一个节点 - 用
xmlTextReaderNodeType判断当前是XML_READER_TYPE_ELEMENT还是XML_READER_TYPE_END_ELEMENT - 用
xmlTextReaderConstName和xmlTextReaderValue提取标签名和文本内容
注意：xmlTextReaderValue 返回的是临时指针，需用 xmlStrdup 拷贝再用，否则下一轮读取就失效。
xmlReader 遇到嵌套结构怎么避免状态爆炸
纯靠 depth 计数器容易漏掉同级同名标签或属性差异。实际中建议用栈管理上下文：每遇到 XML_READER_TYPE_ELEMENT 就 push 当前标签名，遇到 XML_READER_TYPE_END_ELEMENT 就 pop。
更稳妥的做法是结合 xmlTextReaderGetAttribute 提前捕获关键属性（比如 id 或 type），在进入目标元素时立刻检查是否符合业务条件，不符合就调用 xmlTextReaderSkipChildren 跳过整棵子树——这能省下大量无意义解析。
常见坑：xmlTextReaderSkipChildren 只跳子元素，不跳文本节点，如果目标元素内混有文本（如 <item>text</item>），得手动 consume 掉，否则后续 Read 会卡在文本节点上。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
中文字符、编码错误导致解析中断怎么办
libxml2 默认按 UTF-8 解析，若文件是 GBK/GB2312，不声明 encoding 会直接报 XML_ERR_INVALID_CHAR 错误。解决方案只有两个：
- 提前用 iconv 把文件转成 UTF-8 再读（推荐，一劳永逸）
- 在 XML 声明里显式写
<?xml version="1.0" encoding="GBK"?>，并确保libxml2编译时启用了 iconv 支持（Ubuntu 上装libxml2-dev默认带）
验证方式：调用 xmlTextReaderConstEncoding，返回非 UTF-8 才说明编码被正确识别。如果返回空或乱码，基本就是没启用 iconv 或声明格式不对（encoding 值必须全小写、无空格）。
性能瓶颈不在解析，而在你的回调处理逻辑
实测：一个 500MB 的 XML，xmlReader 本身解析耗时不到 3 秒；但如果你在每个 item 节点里做一次 std::string::find + 正则匹配 + 插入数据库，整体耗时可能飙升到分钟级。
优化重点：
- 把字符串查找换成
memcmp或std::string_view的starts_with（C++17） - 批量提交数据库操作，别单条 insert
- 避免在回调里分配新对象，复用缓冲区（比如用
std::vector<char></char>预分配 4KB）
真正的大文件解析，90% 时间花在你写的业务代码上，不是 libxml2。先 profile 自己的 handler，再考虑换解析器。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
