Question

我需要阅读几个大的（200Mb-500Mb）XML文件，所以我想使用StaX。我的系统有两个模块 - 一个用于读取文件（使用StaX）;另一个模块（'parser'模块）假设获取该XML的单个条目并使用DOM解析它。我的XML文件没有特定的结构 - 所以我不能使用JaxB。如何将“解析器”模块传递给我想要解析的特定条目？例如：

<Items>
   <Item>
        <name> .... </name>
        <price> ... </price>
   </Item>
   <Item>
        <name> .... </name>
        <price> ... </price>
   </Item>
</Items>

我想使用StaX来解析该文件 - 但每个'item'条目都将传递给'parser'模块。

修改
稍微阅读一下 - 我想我需要一个使用流读取XML文件的库 - 但是使用DOM解析每个条目。有这样的事吗？

Answer 1

您可以使用StAX（javax.xml.stream）解析器并将每个部分转换（javax.xml.transform）到DOM节点（org.w3c.dom）：

import java.io.*;
import javax.xml.stream.*;
import javax.xml.transform.*;
import javax.xml.transform.stax.StAXSource;
import javax.xml.transform.dom.DOMResult;
import org.w3c.dom.*

public class Demo {

    public static void main(String[] args) throws Exception  {
        XMLInputFactory xif = XMLInputFactory.newInstance();
        XMLStreamReader xsr = xif.createXMLStreamReader(new FileReader("input.xml"));
        xsr.nextTag(); // Advance to statements element

        TransformerFactory tf = TransformerFactory.newInstance();
        Transformer t = tf.newTransformer();
        while(xsr.nextTag() == XMLStreamConstants.START_ELEMENT) {
            DOMResult result = new DOMResult();
            t.transform(new StAXSource(xsr), result);
            Node domNode = result.getNode();
        }
    }

}

另见：

Split 1GB Xml file using Java

Answer 2

Blaise Doughan's answer fails in clean java 7 and 8 due to https://bugs.openjdk.java.net/browse/JDK-8016914

java.lang.NullPointerException
at com.sun.org.apache.xerces.internal.dom.CoreDocumentImpl.setXmlVersion(CoreDocumentImpl.java:860)
at com.sun.org.apache.xalan.internal.xsltc.trax.SAX2DOM.setDocumentInfo(SAX2DOM.java:144)

Funny thing: if you use jaxb unmarshaller, you don't get the NPE:

package com.common.config;

import java.io.*;

import javax.xml.bind.JAXBContext;
import javax.xml.bind.JAXBElement;
import javax.xml.bind.Unmarshaller;
import javax.xml.stream.*;

import org.w3c.dom.*;

public class Demo {


    public static void main(String[] args) throws Exception  {
        XMLInputFactory xif = XMLInputFactory.newInstance();
        XMLStreamReader xsr = xif.createXMLStreamReader(new FileReader("input.xml"));
        xsr.nextTag(); // Advance to root element
        xsr.next(); // Advance to first item or EOD

        final JAXBContext jaxbContext = JAXBContext.newInstance();
        final Unmarshaller unm = jaxbContext.createUnmarshaller();
        while(true) {
            // previous unmarshal() already did advance to next element or whitespace
            if (xsr.getEventType() == XMLStreamReader.START_ELEMENT) {
                JAXBElement<Object> jel = unm.unmarshal(xsr, Object.class);
                Node domNode = (Node)jel.getValue();
                System.err.println(domNode.getNodeName());
            } else if (!xsr.hasNext()) {
                    break;
            } else {
                xsr.next();
            }
        }
    }

}

The reason is: com.sun.xml.internal.bind.v2.runtime.unmarshaller.StAXConnector$1 does not implement Locator2 therefore it has no getXMLVersion().

Answer 3

你可以从JLibs尝试XMLDog。

它使用SAX评估xml文档上的xpath（即不将整个xml加载到内存中）。并在节点被击中时返回节点的dom节点。

因此您可以评估fat xml文档中的xpath / Items / Item。在解析每个Item节点时，您将收到通知。您可以处理当前的项目dom节点，然后继续。

因此它适用于评估大型文档上的xpath

使用stax和dom读取大型XML文件

3 个答案: