将包含多个XML行代码块的单个文件读入Talend中的多个xml文件

Question

有一个文件（压缩）有效地包含多个相同格式的XML文件，因此文件本身不是有效的XML;例如： 大文件的内容低于内容

<?xml version='1.0' encoding='UTF-8'?>
<Proposal xmlns="a namespace">
    <ASubnode>Text</ASubNode>
    <LotsOfOtherNodes />
</Proposal>
<?xml version='1.0' encoding='UTF-8'?>
<Proposal xmlns="a namespace">
    <ASubnode>Text</ASubNode>
    <LotsOfOtherNodes />
</Proposal>
....

我想处理所有节点，一次一个作为单个XML; 例如：

<Proposal xmlns="a namespace">
    <ASubnode>Text</ASubNode>
    <LotsOfOtherNodes />
</Proposal>

上面的块应该被Talend读取为第一个XML文件，依此类推..

我不能使用tFileInputXML，因为它在到达中间XML声明节点时抛出异常。你能否就如何解决这个问题提出建议？

注意：我使用了一个示例来解释Java上发布的类似Stack Overflow问题

Answer 1

我建议您将multi-xml文件拆分为单个xml文件，然后使用tFileInputXML读取每个单独的文件。以下是我为实现这一目标所做的工作：

首先使用tFileInputDelimited读取包含单个列（内容）的文件，将行分隔符设置为＆＃34; </Proposal>＆＃34;。这将使用单个xml文件的内容填充内容列（没有结束标记，因为它被设置为行分隔符）。
然后迭代每一行，并使用具有2列的tFixedFlowInput读取它：xmlFile（设置为content）和closingTag，其中包含已由tFileInputDelimited删除的结束标记。然后将其发送到tFileOutputDelimited，它将xml内容和结束标记写在它旁边（注意空字段分隔符）。
文件名是动态的，因此您有编号的文件。 NB_FILE中的tSetGlobalVar_1全局变量首先设置为1，然后在tSetGlobalVar_2中的每个生成文件上递增。 最后，您可以简单地使用带有掩码的tFileList，例如＆＃34; out _ *。xml＆＃34;为了迭代并使用tFileInputXML读取生成的xml文件。

这里我只打印文件路径到控制台。

替代解决方案

这是文件拆分部分的更​​有效实现。它使用tFileInputFullRow逐行读取文件（\n分隔符），然后将每一行写入文件（注意tFileOutputDelimited_1中的追加模式）。如果刚刚写入的行是xml结束标记，请增加文件编号，以便将下一行写入不同的文件，否则保留相同的文件编号。