Question

我正在使用VTD-XML解析大量XML文件。我不确定我是否正确使用该工具 - 我是这么认为的，但解析这些文件花了我太长时间。

xml文件（DATEXII格式）是HD上的压缩文件。打开包装，它们大约31MB，包含超过850.000行文本。我只需要提取几个字段并将它们存储在数据库中。

import org.apache.commons.lang3.math.NumberUtils;
...

private static void test(File zipFile) throws XPathEvalException, NavException, XPathParseException {
    // init timer
    long step1=System.currentTimeMillis();

    // open file to output extracted fragments
    VTDGen vg = new VTDGen();
    vg.parseZIPFile(zipFile.getAbsolutePath(), zipFile.getName().replace(".zip",".xml"),true);

    VTDNav vn = vg.getNav();

    AutoPilot apSites = new AutoPilot();
    apSites.declareXPathNameSpace("ns1", "http://schemas.xmlsoap.org/soap/envelope/");
    apSites.selectXPath("/ns1:Envelope/ns1:Body/d2LogicalModel/payloadPublication/siteMeasurements");
    apSites.bind(vn);

    long step2=System.currentTimeMillis();
    System.out.println("Prep took "+(step2-step1)+"ms; ");

    // init variables
    String siteID, timeStr;
    boolean reliable;
    int index, flow, ctr=0;
    short speed;
    while(apSites.evalXPath()!=-1) {

        vn.toElement(VTDNav.FIRST_CHILD, "measurementSiteReference");
        siteID = vn.toString(vn.getText());

        // loop all measured values of this measurement site
        while(vn.toElement(VTDNav.NEXT_SIBLING, "measuredValue")) {
            ctr++;

            // extract index attribute
            index = NumberUtils.toInt(vn.toString(vn.getAttrVal("index")));

            // go one level deeper into basicDataValue
            vn.toElement(VTDNav.FIRST_CHILD, "basicDataValue");

            // we need either FIRST_CHILD or NEXT_SIBLING depending on whether we find something
            int next = VTDNav.FIRST_CHILD;
            if(vn.toElement(next, "time")) {
                timeStr = vn.toString(vn.getText());
                next = VTDNav.NEXT_SIBLING;
            }

            if(vn.toElement(next, "averageVehicleSpeed")) {
                speed = NumberUtils.toShort(vn.toString(vn.getText()));
                next = VTDNav.NEXT_SIBLING;
            }

            if(vn.toElement(next, "vehicleFlow")) {
                flow = NumberUtils.toInt(vn.toString(vn.getText()));
                next = VTDNav.NEXT_SIBLING;
            }

            if(vn.toElement(next, "fault")) { 
                reliable = vn.toString(vn.getText()).equals("0");
            }

            // insert into database here...

            if(next==VTDNav.NEXT_SIBLING) {
                vn.toElement(VTDNav.PARENT);
            }
            vn.toElement(VTDNav.PARENT);
        }

    }
    System.out.println("Loop took "+(System.currentTimeMillis()-step2)+"ms; ");
    System.out.println("Total number of measured values: "+ctr);
}

我的XML文件的上述函数的输出是：

Prep took 25756ms; 
Loop took 26889ms; 
Total number of measured values: 112611

现在没有数据实际插入数据库。现在问题是我每分钟收到一个这样的文件。总解析时间现在接近1分钟，因为下载文件大约需要10秒钟，我需要将数据存储在数据库中，我现在正在实时运行。

有没有办法加快速度？我尝试过的事情没有帮助：

对所有字段使用autopilots，这实际上使第二步慢了30000ms
自己解压缩文件并将字节数组解析为VTD，这没有任何区别
使用BufferedReader readLine（）自行循环文件，但这还不够快

有没有人看到加快速度的可能性，还是我需要开始考虑更重的机器/多线程？当然，每分钟850.000行（每天12亿行）很多，但我仍然觉得解析31MB数据不应该花一分钟......

Answer 1

您可以尝试立即解压缩文件夹，并将每个xml文件的值存储在数组中

File[] files = new File("foldername").listFiles();

然后你可以创建一个遍历每个文件的循环，我不确定这是否会加快速度，但值得一试。

使用VTD-XML优化解析XML文件的速度

1 个答案: