Java：使用 SAXParser 拆分大型 XML 文件

Question

我正在尝试使用 java 的 SAXParser 将大型 XML 文件拆分为较小的文件（特别是维基百科转储，未压缩时约为 28GB）。

我有一个 Pagehandler 类，它扩展了 DefaultHandler：

private class PageHandler extends DefaultHandler {

   private StringBuffer text;
   ...

  @Override
  public void startElement(String uri, String localName, String qName, Attributes attributes) {

        text.append("<" + qName + ">");
  }

  @Override
  public void endElement(String uri, String localName, String qName) {

        text.append("</" + qName + ">");

        if (qName.equals("page")) {
            text.append("\n");
            pageCount++;
            writePage();
        }

        if (pageCount >= maxPages) {
            rollFile();
        }
    }

  @Override
  public void characters(char[] chars, int start, int length) {
        for (int i = start; i < start + length; i++) {
            text.append(chars[i]);
        }
    }
}

所以我可以毫无问题地写出元素内容。我的问题是如何获取元素标签和属性 - 这些字符似乎没有被报告。充其量我将不得不根据作为参数传递给 startElement 的内容来重建这些 - 这似乎有点痛苦。或者有更简单的方法吗？

我想做的就是循环遍历文件并将其写出，经常滚动输出文件。这有多难:)

谢谢

Answer 1

这里的问题是您自己编写 XML 元素。查看 XMLWriterdom4j的 code> class - 虽然它有点旧，但它使得通过调用它的 startElement 和 endElement 方法，输出 XML 文档非常容易。

Answer 2

我不太确定我完全理解您想要做什么，但是要获取字符串形式的限定名称，您只需执行 qName.toString() 并获取您刚刚执行的属性名称 atts.getQName(int index)。