如何在Java中有效地替换XML文档中的字符？

Question

我正在寻找一种简洁有效的方法来替换XML文档中的字符。有一个为大约12.000个UTF-8字符定义的替换表，其中大部分将由单个字符替换，但有些必须由两个甚至三个字符替换（例如希腊语theta应该变为TH）。文件可能很庞大（100MB +）。怎么用Java做？我提出了使用XSLT的想法，但我不太确定这是否是最佳选择。

Answer 1

根据我的经验，

String.replace（..）非常慢。我曾经使用该API解析100MB KML文件，性能很糟糕。然后，我使用Pattern.compile（..）预编译了正则表达式，并且运行速度更快。

Answer 2

查看SAX，它允许您在传递XML文档时查看它们的每个部分。然后，您可以对文本节点执行操作并执行所需的操作。

XSLT的问题在于大多数实现都需要内存中的整个输入树，这通常是磁盘大小的10倍。我只知道撒克逊XSLT变压器的商业版，它可以做流式XSLT（但这将完美满足您的需求）。