Question

我面临一个有趣的问题，我需要浏览多个大型XML文件（每个文件数百MB），并从每个元素中输出特定数据，并尽快完成。例子：

Points.xml：

<points>
  <point>
    <identifier>bb25c66c-27d0-447f-aaad-bd8290b332fd</identifier>
    <name>A</name>
  </point>
  <point>
    <identifier>f187cc74-2709-4464-995c-b3bdcae46b39</identifier>
    <name>B</name>
  </point>
</points>

Routes.xml：

<routes>
  <route>
    <pointLink xlink:href="urn:uuid:bb25c66c-27d0-447f-aaad-bd8290b332fd"/>
    <name>1</name>
  </route>
  <route>
    <pointLink xlink:href="urn:uuid:f187cc74-2709-4464-995c-b3bdcae46b39"/>
    <name>2</name>
  </route>
</routes>

在不同的文档中有成千上万的点/路线元素，并且比这要复杂得多，但是对于此示例，此摘录就足够了。

输出必须是这样的：

1 - A
2 - B

我无法修改文档本身，这是我必须要使用的文档，现在的问题是-如何尽可能有效地基于标识符链接元素？我说的是这样做的方式，也许是一种不同的思考方式，而不是实际的代码，因为最终反而会完全不同。

我尝试遍历路线，然后使用FLWOR查找点：

for $route in doc('routes.xml')/routes/route
  return concat(
    $route/name/text(),
    ' - ',
    doc('points.xml')/points/point[./identifier/text() = substring-after($route/pointLink/@xlink:href, 'urn:uuid:')]/name/text()
  )

效果不是很好（花了将近一个小时才能完成）。这种方法也有类似的故事：

for $route in doc('routes.xml')/routes/route,
    $point in doc('points.xml')/points/point[./identifier/text() = substring-after($route/pointLink/@xlink:href, 'urn:uuid:')]
  return concat(
    $route/name/text(),
    ' - ',
    $point/name/text()
  )

最后，我将需要在输出中使用来自点/路径的更多子元素，因此我认为我必须使用for对其进行迭代，然后合并输出，但也许我错了，这就是为什么我在这里问。

有什么我要忽略的东西吗？或者根本没有更快的方法可以做到这一点？

Answer 1

正如马丁·霍恩（Martin Honnen）在评论中说的那样，问题的确确实是索引。简单地创建属性索引（CREATE INDEX属性）有助于将查询时间从〜45分钟减少到不到一秒钟。不可思议。

使用xquery和FLWOR在BaseX中迭代大型XML文档的最有效方法

1 个答案: