Question

我有一个非常大的XML文件（如果你关心，它是来自EAD的AIXM文件，但这并不重要）。为了弄清楚它是如何使用的，我想编写一个简单的脚本，遍历每个节点，记录下面发生的子节点和多少次，这样我就可以看到哪些节点包含<AptUid>以及是否大多数<Rdn>节点都有一个<GeoLat>节点，不管怎样。

我尝试使用XML::Simple将整个内容加载到hashref中，但它太大而无法放入内存中。是否有一个XML解析器，允许我一次只查看一个文件？

Answer 1

请参阅Processing an XML document chunk by chunk中的XML::Twig。

Answer 2

您想要使用SAX解析器XML::SAX 实现start_element和end_element方法来构建节点树

Answer 3

尝试XML::Parser模块。应该是你需要的。

another link

Answer 4

您应该使用流式解析器，例如XML::Parser（反过来是expat以上的层）。您必须为您感兴趣的标签注册处理程序，并自己进行簿记。与其他流式模型（如SAX）一样，您无法立即获得文件的完整视图（除了您在代码中明确使用的子集）。

Answer 5

这是使用XML :: Parser的解决方案。欢迎评论。

use XML::Parser;

%elemMap = ();

@context = ();

sub on_start {
    my ($p, $elemName, @alist) = @_;
    my $parent = @context[-1];
    if ($parent) {
        $elemMap{$parent}{$elemName}++;
    }        
    push(@context, $elemName);
}

sub on_end {
    pop(@context);
}

$p = new XML::Parser(Handlers => {Start => \&on_start, End => \&on_end});
$p->parse(STDIN);

while (my ($elem, $childElems) = each(%elemMap)) {
    while (my ($childElem, $count) = each(%{$childElems})) {
        print "$elem > $childElem: $count\n";
    }
}

Answer 6

当您第一次尝试找出未知XML文件的结构时，请将其打开更少或更多，然后开始对其进行分页。不要使用试图将整个文件加载到内存中的编辑器，除非您喜欢等待很多机器。

当你不知道数据是如何构造时构建一个解析器会非常令人沮丧，所以不要先进入编码，跳到探索直到你知道足够开始编码为止。

在Perl中，如何解析一个太大而无法容纳在可用内存中的XML文件？

6 个答案: