# 剖析 sj.h：150 行 C99 状态机实现零分配 JSON 解析 > 深入 sj.h 源码，解析其如何用极简状态机与回调设计实现零内存分配的 JSON 流式解析，提供可复用的工程参数与调试技巧。 ## 元数据 - 路径: /posts/2025/09/22/sj-h-zero-allocation-state-machine-json-parser/ - 发布时间: 2025-09-22T20:46:50+08:00 - 分类: [systems-engineering](/categories/systems-engineering/) - 站点: https://blog.hotdry.top ## 正文 在嵌入式系统、高性能服务或内存受限环境中，传统 JSON 解析器因预分配内存、构建对象树或频繁堆操作而成为性能瓶颈。sj.h 的出现，为开发者提供了一种极致轻量的解决方案：一个仅 150 行 C99 代码的单头文件库，通过精巧的状态机设计与惰性求值，实现了真正的零分配（Zero Allocation）JSON 解析。本文将深入其核心实现，剖析其状态转移逻辑与用户回调机制，为你在资源敏感场景下提供可直接落地的解析策略。 sj.h 的核心哲学是“不分配、不存储、只遍历”。它不构建任何内存中的对象模型（如 DOM 树），而是将 JSON 文本视为一个字符流，由一个状态机驱动，在遇到特定 token（如数字、字符串、对象开始）时，立即通过回调通知用户，并提供该 token 在原始字符串中的起止指针。用户决定如何处理这些原始数据——是直接使用、复制，还是忽略。这种“SAX 式”的流式处理，使得内存占用恒定，与 JSON 文本大小无关，完美契合零分配要求。 其状态机的核心，封装在 `sj_read` 函数中。该函数维护一个 `sj_Reader` 结构，包含当前读取位置 `cur`、数据末尾 `end` 以及当前嵌套深度 `depth`。状态转移完全由当前字符 `*r->cur` 驱动，通过一个巨大的 `switch` 语句实现。例如，当遇到 `"` 字符时，状态机进入 `SJ_STRING` 状态，它不会分配新内存存储解码后的字符串，而是记录起始位置 `res.start = ++r->cur`，然后逐字符遍历，处理转义字符（如 `\\`），直到遇到下一个未转义的 `"`。此时，它记录结束位置 `res.end = r->cur++` 并返回，将原始字符串片段的指针交还给用户。对于数字、布尔值和 `null`，处理方式类似，仅验证格式并返回原始字符范围。对于对象 `{` 和数组 `[`，状态机递增深度计数器 `r->depth` 并返回 `SJ_OBJECT` 或 `SJ_ARRAY` 类型，标志着一个新层级的开始。 为了方便用户遍历复杂结构，sj.h 提供了 `sj_iter_array` 和 `sj_iter_object` 两个高层迭代器。它们并非独立的状态机，而是对 `sj_read` 的封装。其核心是一个名为 `sj__discard_until` 的内部函数。当用户调用 `sj_iter_array` 时，该函数会持续调用 `sj_read`，丢弃所有 token，直到读取器的当前深度 `r->depth` 与传入的数组值 `arr.depth` 相等，这意味着我们已经“跳过”了前一个元素，回到了数组层级。接着，它读取下一个值并返回。如果遇到 `SJ_END`（即 `]`）或 `SJ_ERROR`，则迭代结束。对象的迭代逻辑相同，但在读取一个键之后，必须紧接着读取其对应的值，否则会报错。这种设计将状态管理的复杂性隐藏在库内部，为用户提供了简洁的 API，同时保持了底层零分配的特性。 在实际工程中应用 sj.h，关键在于理解其“指针即数据”的范式。用户必须自行管理从 `sj_Value` 结构中 `start` 和 `end` 指针提取的数据。例如，要获取一个字符串的真实内容，你需要手动分配内存并复制 `start` 到 `end` 之间的字符（记得处理转义）。对于数字，你可以使用 `strtod` 或 `strtol` 将其转换为你需要的类型。这种设计虽然增加了用户端的复杂度，但赋予了最大的灵活性和性能控制权。一个典型的使用模式是：初始化 `sj_Reader`，在一个循环中调用 `sj_read`，根据返回的 `sj_Value.type` 分发到不同的处理函数，在处理函数中按需复制或转换数据，最后在遇到 `SJ_END` 或 `SJ_ERROR` 时退出循环。 尽管 sj.h 设计精妙，但其极简主义也带来了局限。它不进行语义验证，例如，它允许在对象中出现重复的键，或在数组中混合不同类型，这些都需由用户层处理。错误处理也相对基础，主要通过 `r->error` 字符串指示，配合 `sj_location` 函数获取行列号进行调试。此外，它不支持注释或非标准 JSON 扩展。对于需要完整对象模型或复杂查询的应用，它并非最佳选择。然而，对于日志解析、配置文件读取、网络协议载荷处理等场景，sj.h 提供的零开销、高吞吐量解析能力是无可替代的。其源码本身就是一个绝佳的学习范例，展示了如何用最朴素的 C 语言工具——指针、循环和 switch——构建出高效、优雅的系统级组件。 ## 同分类近期文章 ### [Apache Arrow 10 周年：剖析 mmap 与 SIMD 融合的向量化 I/O 工程流水线](/posts/2026/02/13/apache-arrow-mmap-simd-vectorized-io-pipeline/) - 日期: 2026-02-13T15:01:04+08:00 - 分类: [systems-engineering](/categories/systems-engineering/) - 摘要: 深入分析 Apache Arrow 列式格式如何与操作系统内存映射及 SIMD 指令集协同，构建零拷贝、硬件加速的高性能数据流水线，并给出关键工程参数与监控要点。 ### [Stripe维护系统工程：自动化流程、零停机部署与健康监控体系](/posts/2026/01/21/stripe-maintenance-systems-engineering-automation-zero-downtime/) - 日期: 2026-01-21T08:46:58+08:00 - 分类: [systems-engineering](/categories/systems-engineering/) - 摘要: 深入分析Stripe维护系统工程实践，聚焦自动化维护流程、零停机部署策略与ML驱动的系统健康度监控体系的设计与实现。 ### [基于参数化设计和拓扑优化的3D打印人体工程学工作站定制](/posts/2026/01/20/parametric-ergonomic-3d-printing-design-workflow/) - 日期: 2026-01-20T23:46:42+08:00 - 分类: [systems-engineering](/categories/systems-engineering/) - 摘要: 通过OpenSCAD参数化设计、BOSL2库燕尾榫连接和拓扑优化，实现个性化人体工程学3D打印工作站的轻量化与结构强度平衡。 ### [TSMC产能分配算法解析：构建半导体制造资源调度模型与优先级队列实现](/posts/2026/01/15/tsmc-capacity-allocation-algorithm-resource-scheduling-model-priority-queue-implementation/) - 日期: 2026-01-15T23:16:27+08:00 - 分类: [systems-engineering](/categories/systems-engineering/) - 摘要: 深入分析TSMC产能分配策略，构建基于强化学习的半导体制造资源调度模型，实现多目标优化的优先级队列算法，提供可落地的工程参数与监控要点。 ### [SparkFun供应链重构：BOM自动化与供应商评估框架](/posts/2026/01/15/sparkfun-supply-chain-reconstruction-bom-automation-framework/) - 日期: 2026-01-15T08:17:16+08:00 - 分类: [systems-engineering](/categories/systems-engineering/) - 摘要: 分析SparkFun终止与Adafruit合作后的硬件供应链重构工程挑战，包括BOM自动化管理、替代供应商评估框架、元器件兼容性验证流水线设计