Question

我每天早上都有大量数据在分离的XML文件中收到。我需要组合XML中的对象并从中生成报告。我希望为这个问题使用最佳解决方案。

为了证明我制作了以下例子：

有2个XML文件：

第一个是语言列表及其所在的国家/地区。第二个是产品列表及其销售的国家/地区。我生成的报告是产品名称，后跟包装所必需的语言in。

XML1：

<?xml version="1.0" encoding="utf-8"?>
<languages>
  <language>
    <name>English</name>
    <country>8</country>
    <country>9</country>
    <country>3</country>
    <country>11</country>
    <country>12</country>
  </language>
  <language>
    <name>French</name>
    <country>3</country>
    <country>6</country>
    <country>7</country>
    <country>13</country>
  </language>
  <language>
    <name>Spanish</name>
    <country>1</country>
    <country>2</country>
    <country>3</country>
  </language>
</languages>

XML2：

<?xml version="1.0" encoding="utf-8"?>
<products>
  <product>
    <name>Screws</name>
    <country>3</country>
    <country>12</country>
    <country>29</country>
  </product>
  <product>
    <name>Hammers</name>
    <country>1</country>
    <country>13</country>
  </product>
  <product>
    <name>Ladders</name>
    <country>12</country>
    <country>39</country>
    <country>56</country>
  </product>
  <product>
    <name>Wrenches</name>
    <country>8</country>
    <country>13</country>
    <country>456</country>
  </product>
  <product>
    <name>Levels</name>
    <country>19</country>
    <country>18</country>
    <country>17</country>
  </product>
</products>

示例程序输出：

 Screws ->  English, French, Spanish
 Wrenches ->  English, French
 Hammer - > French, Spanish
 Ladders-> English

目前，我将反序列化为DataSet，然后使用linq连接数据集以生成所需的报告字符串。（如下所示 - 以命令行参数的形式传递文件名称。）

public static List<String> XMLCombine(String[] args)
{
    var output = new List<String>();
    var dataSets = new List<DataSet>();
    //Load each of the Documents specified in the args
    foreach (var s in args)
    {
        var path = Environment.CurrentDirectory + "\\" + s;
        var tempDS = new DataSet();
        try
        {
            tempDS.ReadXml(path);
        }
        catch (Exception ex)
        {
            //Custom Logging + Error Reporting
            return null;
        }
        dataSets.Add(tempDS);
    }
    //determine order of files submitted
    var productIndex = dataSets[0].DataSetName == "products" ? 0:1;
    var languageIndex = dataSets[0].DataSetName == "products" ? 1:0;
    var joined = from tProducts in dataSets[productIndex].Tables["product"].AsEnumerable()
                 join tProductCountries in dataSets[productIndex].Tables["country"].AsEnumerable() on (int)tProducts["product_id"] equals (int)tProductCountries["product_id"]
                 join tLanguageCountries in dataSets[languageIndex].Tables["country"].AsEnumerable() on (String)tProductCountries["country_text"] equals (String)tLanguageCountries["country_text"]
                 join tLanguages in dataSets[languageIndex].Tables["language"].AsEnumerable() on (int)tLanguageCountries["language_Id"] equals (int)tLanguages["language_Id"]
                  select new
                  {
                      Language = tLanguages["name"].ToString(),
                      Product = tProducts["name"].ToString()
                  };

    var listOfProducts = joined.OrderByDescending(_ => _.Product).Select(_ => _.Product).Distinct().ToList();

    foreach (var e in listOfProducts)
    {
        var e1 = e;
        var languages = joined.Where(_ => _.Product == e1).Select(_ => _.Language).Distinct().ToList();
        languages.Sort();
        //Custom simple Array to text method
        output.Add(String.Format("{0} {1}", e, ArrayToText(languages)));
    }
    return output;
}

这很好但我知道必须有更优化的解决方案来解决这个问题（特别是当XML文件在现实生活中很大时）。有没有人有替代方法（linq除外）的经验或优化当前方法的建议，这将使我更接近最佳解决方案？

非常感谢提前。

解决方案 建议解决方案的实施： Casperah使用Dictionaries处理数据集的方法为312ms。 yamen的方法使用Linq Lookup在452ms处理数据集。

Answer 1

您有两个问题，内存使用情况和CPU使用率。

要限制内存使用量，可以使用XmlReader，它只读取一小块巨大的xml文件。要限制CPU使用率，您应该在国家/地区代码上有一个索引。

我会这样做： 1.阅读所有语言并将其插入如下字典： //键是country，值是语言列表。字典＆GT; countries = new Dictionary＆gt;（）; 2.使用XmlReader一次读取一个产品 3.查找国家并写出语言可能使用HashSet来避免重复的语言。

那将是我的approch - 祝你好运

我创建了这个例子：

        Dictionary<int, List<string>> countries = new Dictionary<int, List<string>>();

        XmlReader xml = XmlReader.Create("file://D:/Development/Test/StackOverflowQuestion/StackOverflowQuestion/Countries.xml");
        string language = null;
        string elementName = null;
        while (xml.Read())
        {
            switch (xml.NodeType)
            {
                case XmlNodeType.Element:
                    elementName = xml.Name;
                    break;

                case XmlNodeType.Text:
                    if (elementName == "name") language = xml.Value;
                    if (elementName == "country")
                    {
                        int country;
                        if (int.TryParse(xml.Value, out country))
                        {
                            List<string> languages;
                            if (!countries.TryGetValue(country, out languages))
                            {
                                languages = new List<string>();
                                countries.Add(country, languages);
                            }
                            languages.Add(language);
                        }
                    }
                    break;
            }
        }
        using (StreamWriter result = new StreamWriter(@"D:\Development\Test\StackOverflowQuestion\StackOverflowQuestion\Output.txt"))
        {
            xml = XmlReader.Create("file://D:/Development/Test/StackOverflowQuestion/StackOverflowQuestion/Products.xml");
            string product = null;
            elementName = null;
            HashSet<string> languages = new HashSet<string>();
            while (xml.Read())
            {
                switch (xml.NodeType)
                {
                    case XmlNodeType.Element:
                        elementName = xml.Name;
                        break;

                    case XmlNodeType.Text:
                        if (elementName == "name")
                        {
                            if (product != null && languages != null)
                            {
                                result.Write(product);
                                result.Write(" -> ");
                                result.WriteLine(string.Join(", ", languages.ToArray()));
                                languages.Clear();
                            }
                            product = xml.Value;
                        }
                        if (elementName == "country")
                        {
                            int country;
                            if (int.TryParse(xml.Value, out country))
                            {
                                List<string> countryLanguages;
                                if (countries.TryGetValue(country, out countryLanguages))
                                    foreach (string countryLanguage in countryLanguages) languages.Add(countryLanguage);
                            }
                        }
                        break;
                }
            }
        }
    }

它产生了这个例子：

Screws -> English, French, Spanish
Hammers -> Spanish, French
Ladders -> English
Wrenches -> English, French

XmlReader.Create需要一个uri，你也可以使用类似的东西：“http://www.mysite.com/countries.xml”

Answer 2

好的，这仍然是LINQ to XML，但我认为它在算法方面非常有效。唯一的问题是，如果您的XML非常大（即大于RAM可以容纳）。否则，它不会比这快得多。

假设languageFile和productFile包含相关的XML文件。

将语言转换为查找：

var languages = (from language in XElement.Load(languageFile).Descendants("language")
                from country in language.Elements("country")
                select new {Language = language.Element("name").Value, Country = country.Value})
                .ToLookup(l => l.Country, l => l.Language);

然后使用语言查找获取产品：

var products = from product in XElement.Load(productFile).Descendants("product")
               select new {Product = product.Element("name").Value, 
                           Languages = product.Elements("country").SelectMany(e => languages[e.Value]).Distinct().ToList()};

当然你也可以打印出来：

foreach (var product in products.Where(x => x.Languages.Count > 0))
{
    Console.WriteLine("{0} -> {1}", product.Product, String.Join(", ", product.Languages));
}

返回：

Screws -> English, French, Spanish
Hammers -> Spanish, French
Ladders -> English
Wrenches -> English, French

Answer 3

在您的情况下，我会将语言文件中的数据存储到字典或类似内容中，之后我会解析每个产品文件并动态生成最终的组合结果。我想这种方法会更快，你可以避免出现大量数据的内存问题。

从单独的XML文件中读取最有效的组合或连接对象的方法

3 个答案: