验证针对XSD的csv

Question

我们有一个扁平的XSD，因此我们不是以XML格式存储数据，而是考虑以CSV格式存储，因为数据可能非常庞大。假设我们从XSD知道CSV中每条记录的元素类型，有没有办法使用基于Java的XML Validator验证CSV中的每条记录对XSD​​？

Answer 1

Saxon XSD验证器用作SAX过滤器，因此您可以通过发送表示输入的XML视图的SAX事件来进行验证。所以你需要的只是一个Java程序，它读取CSV文件并发出表示其内容的SAX事件，SAX事件通过管道传输到XSD验证器。

Answer 2

这样做的一种方法是执行以下操作：

• 使用JAXB编译器从XSD
创建Java类
• 使用类似于Flatworm的产品自动/声明性地将您的记录（或整个文件）解析为上面创建的Java类，或者只是手工等等。
• 使用发布here on SO的方法验证图表。只需确保适当缓存，即重用验证器和JAXBContext对象。

鉴于ask的性质，即使作为JAXBSource，编组到XML所产生的开销也是不可避免的。你可以做的就是充分利用它...如果CPU带宽不是问题，你可以尝试并行化以提高吞吐量（每个线程需要一个验证器，上次我使用它时JAXBContent是线程安全的）。我会避免加载整个文件，如果有人认为所有记录的XSD（如在匹配记录的元素中将是一个具有maxOccurs =“unbounded”的粒子）将是一种更有效的验证方式...对于大文件，你的内存不足，很可能......

对于大量数据，使用XSD可以标记为优雅，但效率不高。对于在寻找.NET解决方案时遇到这篇文章的人，通过调用{{}来验证单个字段更有效（假设XSD没有跨字段约束等） 3}}而不是。

Answer 3

“扁平XSD”和“每个记录的元素类型”是什么意思？显然，一些转换或适应过程涉及将非XML格式提供给期望XML输入的验证器。因此，必须提供所有相关名称。

特别是，除非您有一个额外的列（通常在行的开头），否则您将没有足够的空间来编码与整行对应的元素的名称。这与第一行中其他列的名称是子元素（上级）还是属性（下级）无关。

然后，假设适配器可以使用此名称，那么“平面XSD”是什么样的？如果此元素是模式的根元素或顶级元素（即模式描述只有一个行），则必须使用新的顶级元素扩展模式以充当容器行序列，这是您的CSV文件。换句话说，您应该将整个CSV文件作为单个XML文档进行验证，而不是将每行验证为单独的XML文档。

如果您的验证器可以使用管道输入，那么您只需要使用任何方便的脚本语言编写的CSV到XML转换器。