Question

我想逐行解析Java 中的XML文件，因为我得到的文件框架与平常有点不同。它不是嵌套的;每个标签都在自己的行中。

XML文件的一部分：

<sentence><flag>3</flag></sentence>
<word><text>Zdravo</text></word>
<phoneme><onephoneme>z</onephoneme></phoneme>
<phoneme><onephoneme>d</onephoneme></phoneme>
<phoneme><onephoneme>r</onephoneme></phoneme>
<phoneme><onephoneme>"a:</onephoneme></phoneme>
<phoneme><onephoneme>v</onephoneme></phoneme>
<phoneme><onephoneme>O</onephoneme></phoneme>
<sentence><flag>0</flag></sentence>
<word><text>moje</text></word>
...

我搜索并发现了许多不同的方法来解析XML文件，但是所有这些方法都扫描整个文件而我不希望这样，因为我的文件几乎是100k行，现在（甚至可能更晚）我只需要前800行，所以只需逐行解析就会快得多。我不知道我提前需要多少行，但是我想知道有多少次我达到标签并停在一定数量（现在是17 - 这就是800行左右）。

我发现的教程：

嵌套XML：http://www.mkyong.com/java/how-to-read-xml-file-in-java-dom-parser/
嵌套XML：http://www.javacodegeeks.com/2013/05/parsing-xml-using-dom-sax-and-stax-parser-in-java.html
具有属性的单行XML：Read single XML line with Java

然后将每个句子分成单词，将每个单词分成音素，最后我有3个ArrayLists：标志，单词和音素。

我希望我能给你足够的信息。

谢谢。

Answer 1

Andrew Stubbs建议使用SAX和StAX，但如果你的文件非常大，我会使用VTD-XML，它至少比SAX快3倍，而且更加灵活。处理2GB XML根本不是问题

Answer 2

行与XML并不真正相关，您可以在一行中拥有价值100K的所有XML。您需要做的是按您解析的元素/节点计数。使用SAX解析器，它是基于事件的，它会在元素开始时和结束时通知您。每当你得到一个元素，你有兴趣解析增量计数器，这假设你知道你感兴趣的元素，从你的例子，那些将是：

<sentence>
<word>
<phoneme>

等

Answer 3

如果要逐行读取文件，则与XML无关。只需使用BufferedReader，因为它提供了readLine方法。使用简单的计数器，您可以检查已经阅读了多少行，并在达到800标记后退出循环。

Answer 4

正如@Korashen所说，如果你可以保证你将要处理的文件将遵循扁平的逐行结构，那么你可能最好假装文件根本不是XML，并使用正常BufferedReader。

但是，如果您需要将其解析为XML，那么流式 XML阅读器应该能够执行您想要的操作。根据{{3}}， SAX 或 StAX 是标准选择。

Answer 5

您可以使用sax解析器。在xml中逐行遍历并触发适当的事件。此外，您可以使用org.xml.sax.Locator来识别行号，并在遇到第800行停止解析时抛出异常。

逐行解析Java中的XML

5 个答案: