Question

我真的阅读并测试了很多，但我没有得到一个有效的java解决方案：

我有一个大的xml文件（超过100MB），现在通过JAXB处理。目的是每次使用一个root子将xml分成许多xmls 重要提示：由于文件大小，首选sax-way。

我发现了很多关于xsl：result-document的信息，但我发现没办法让它从java运行，我不太确定，是否可以保持所需的内存不足。

这是我的Java代码：

import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.stream.StreamResult;
import javax.xml.transform.stream.StreamSource;

public class TestParse {

public static void main(final String[] args) throws Throwable {
    final TransformerFactory factory = TransformerFactory.newInstance();
    final Transformer transformer = factory.newTransformer(new StreamSource("D:\\split.xsl"));

    final StreamSource in = new StreamSource("D:\\input.xml");
    final StreamResult out = new StreamResult("D:\\output.xml");
    transformer.transform(in, out);
}

这是一个示例-xml（＆＃34; input.xml＆＃34;）：

<?xml version="1.0" encoding="ISO-8859-1"?>
<Taskname>
  <Item attr="ab" attr2="c">
    <MoreNodes>...</MoreNodes>
  </Item>
  <Item attr="xy" attr2="z">
    <MoreNodes>...</MoreNodes>
  </Item>
  <!-- ...and many items more -->
</Taskname>

这是我的xsl（split.xsl）：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="2.0">
    <xsl:strip-space elements="*"/>
    <xsl:param name="dir" select="'file:///D://'"/>

    <xsl:template match="Item">
        <xsl:result-document href="{$dir}section{position()}.xml" method="xml">
            <Taskname>
            <xsl:copy-of select="." />
            </Taskname>
        </xsl:result-document>
    </xsl:template>

</xsl:stylesheet>

因此，一个结果-xml应该如下所示：

<?xml version="1.0" encoding="ISO-8859-1"?>
<Taskname>
  <Item attr="..." attr2="...">
    <MoreNodes>...</MoreNodes>
  </Item>
 </Taskname>

我的问题：

我现在真的不知道如何获得xslt的不同输出以及更多，我需要它们作为Streams而不是文件 - 我会逐项需要它们（比如sax＆＃ 39; endElement）使用更少的内存。

也许，还有一种比使用xslt更好的方法，请告诉我。

Answer 1

首先，如果你想避免在内存中为源文档构建一个树，那么你将不得不使用XSLT 3.0流程运行它 - 这意味着你需要一个Saxon-EE许可证。（但是，以传统方式处理100Mb文件非常可行，内存中有一棵树。）

其次，如果您希望将xsl：result-document的输出捕获为内存流而不是写入filestore，那么在Saxon中实现此目的的方法是编写并注册一个OutputURIResolver。这将针对每个结果文档调用一次，并且可以指定接收文档的目标（例如StreamResult或SAXResult）。

Answer 2

我可能不需要XSLT来完成这项任务，只需直接使用类似StAX API的东西。但这取决于你最终想要对拆分文件做什么。你在问题中提到了JAXB，请注意，JAXB Unmarshaller可以从StAX XMLStreamReader读取，这允许您使用一种“半流”处理模型，您可以通过输入文件来解组输入文件它一次Item个。假设您有一个代表Item元素类型的Item类：

JAXBContext ctx = JAXBContext.newInstance(Item.class);
Unmarshaller u = ctx.createUnmarshaller();
XMLInputFactory inFactory = XMLInputFactory.newFactory();
try(InputStream stream = Files.newInputStream(Paths.get("input.xml"))) {
  XMLStreamReader reader = inFactory.createXMLStreamReader(stream);
  try {
    reader.nextTag(); // the root Taskname start tag
    reader.nextTag(); // the start tag of the first Item, if there is
                      // one, the end of the Taskname if there isn't
    while(reader.getEventType() == XMLStreamConstants.START_ELEMENT) {
      JAXBElement<Item> theItem = u.unmarshal(reader, Item.class);
      // do whatever you want to do with this item
      process(theItem.getValue());

      // this is an oddity of the JAXB API - when unmarshalling from
      // a stream reader the reader is left pointing to the event
      // *after* the closing tag, not to the closing tag itself,
      // so whether or not we need to advance to the next tag depends
      // whether there is whitespace between the close of one Item
      // and the start of the next.
      if(reader.getEventType() != XMLStreamConstants.START_ELEMENT &&
           reader.getEventType() != XMLStreamConstants.END_ELEMENT) {
        reader.nextTag();
      }
    }
  } finally {
    reader.close();
  }
}

在Java中使用xsl：result-document（Sax）

2 个答案: