Question

鉴于第三方系统通过TCP将XML流式传输给我。 TOTAL传输的XML内容（不是流的一条消息，而是连接的消息）如下所示：

   <root>
      <insert ....><remark>...</remark></insert>
      <delete ....><remark>...</remark></delete>
      <insert ....><remark>...</remark></insert>
      ....
      <insert ....><remark>...</remark></insert>
   </root>

上述样本的每一行都是可单独处理的。由于它是一个流媒体流程，我不能等到一切都到来，我必须处理内容。问题是内容块可以被任何点切片，没有标签被尊重。如果内容到达像这样的片段，你对如何处理内容有什么好的建议吗？

第1块：

  <root>
      <insert ....><rem

第2块：

                      ark>...</remark></insert>
      <delete ....><remark>...</remark></delete>
      <insert ....><remark>...</rema

Chunk N：

                                    rk></insert>
      ....
      <insert ....><remark>...</remark></insert>
   </root>

编辑：

虽然处理速度不是问题（没有实时问题），但我不能等待整个消息。实际上最后一块大块永远不会到来。第三方系统在遇到更改时发送消息。这个过程永远不会结束，它是一条永不停止的流。

Answer 1

我首先想到的是这个问题是创建一个简单的TextReader派生物，负责缓冲来自流的输入。然后，该类将用于提供XmlReader。 TextReader派生可以相当容易地扫描传入的内容，寻找XML的完整“块”（带有开始和结束括号的完整元素，文本片段，完整属性等）。它还可以为调用代码提供一个标志，以指示何时一个或多个“块”可用，以便它可以从XmlReader请求下一个XML节点，这将触发从TextReader派生中发送该块并将其从缓冲区中删除

编辑：这是一个快速而又肮脏的例子。我不知道它是否完美运行（我还没有测试过），但是它传达了我想要传达的想法。

public class StreamingXmlTextReader : TextReader
{
    private readonly Queue<string> _blocks = new Queue<string>();
    private string _buffer = String.Empty;
    private string _currentBlock = null;
    private int _currentPosition = 0;

    //Returns if there are blocks available and the XmlReader can go to the next XML node
    public bool AddFromStream(string content)
    {
        //Here is where we would can for simple blocks of XML
        //This simple chunking algorithm just uses a closing angle bracket
        //Not sure if/how well this will work in practice, but you get the idea
        _buffer = _buffer + content;
        int start = 0;
        int end = _buffer.IndexOf('>');
        while(end != -1)
        {
            _blocks.Enqueue(_buffer.Substring(start, end - start));
            start = end + 1;
            end = _buffer.IndexOf('>', start);
        }

        //Store the leftover if there is any
        _buffer = end < _buffer.Length
            ? _buffer.Substring(start, _buffer.Length - start) : String.Empty;

        return BlocksAvailable;
    }

    //Lets the caller know if any blocks are currently available, signaling the XmlReader can ask for another node
    public bool BlocksAvailable { get { return _blocks.Count > 0; } }

    public override int Read()
    {
        if (_currentBlock != null && _currentPosition < _currentBlock.Length - 1)
        {
            //Get the next character in this block
            return _currentBlock[_currentPosition++];
        }
        if(BlocksAvailable)
        {
            _currentBlock = _blocks.Dequeue();
            _currentPosition = 0;
            return _currentBlock[0];
        }
        return -1;
    }
}

Answer 2

经过进一步调查后，我们发现，当TCP缓冲区已满时，它已被TCP缓冲区切片。因此，切片实际上是在字节流中随机发生的，甚至在unicode字符内也会导致切割。因此，我们必须在字节级组装部件并将其转换回文本。如果转换失败，我们等待下一个字节块，然后再次尝试。

在.NET3.5中处理格式错误的XML

2 个答案: