是否可以使用 Groovy XMLSlurper 解析子树

Question

有谁知道是否可以以某种方式使用 XMLSlurper，这意味着可以从非常大的 XML 文档中提取各个子树并单独进行处理？

想象一下，您有一个巨大的 XML 提要，其中包含一个根元素，该根元素具有数千个可以单独处理的直接子元素。显然，将整个文档读入内存是不允许的，但是，由于根的每个子元素本身大小适中，因此最好能够流式传输文档，但依次将 XMLSlurper 的优点应用于每个子元素。当处理每个子元素时，垃圾收集可以清理用于处理它的内存。通过这种方式，我们可以获得 XMLSlurper（如此简洁的语法）的极大便利性和流式传输（例如 SAX）的低内存占用。

我很想知道是否有人对此有想法和/或您自己是否遇到过这个要求。

Answer 1

初始化 XmlSlurper 实例意味着调用其重载的 parse(..) 方法之一（或 parseText(String) 方法）。在此调用后，XmlSlurper 将（至少使用 SAX 事件）构造一个内存中的 GPathResult，它保存有关 XML 元素和属性及其结构的完整信息。

所以，不，XmlSlurper不仅提供用于解析 XML 文档部分的 API。

可以做的是，扩展XmlSlurper，覆盖parse*(..)方法，通过预处理XML ="http://groovy.codehaus.org/Reading+XML+with+Groovy+and+SAX" rel="nofollow">使用自定义 SAX 处理程序，收集所需的 XML 部分，然后转发这些内容到 XmlSlurper.parse*(..) 方法之一。

Answer 2

您可以将 StAX API 与 XmlSlurper 一起使用来解析子树。

// Example of using StAX to split a large XML document and parse a single element using XmlSlurper

import javax.xml.stream.XMLInputFactory
import javax.xml.stream.XMLStreamReader
import javax.xml.transform.Transformer
import javax.xml.transform.TransformerFactory
import javax.xml.transform.sax.SAXResult
import javax.xml.transform.stax.StAXSource

def url = new URL("http://repo2.maven.org/maven2/archetype-catalog.xml")
url.withInputStream { inputStream ->
    def xmlStreamReader = XMLInputFactory.newInstance().createXMLStreamReader(inputStream)
    def transformer = TransformerFactory.newInstance().newTransformer()
    while (xmlStreamReader.hasNext()) {
        xmlStreamReader.next()
        if (xmlStreamReader.isStartElement() && xmlStreamReader.getLocalName() == 'archetype') {
            // Example of splitting a large XML document and parsing a single element with XmlSlurper at a time
            def xmlSlurper = new XmlSlurper()
            transformer.transform(new StAXSource(xmlStreamReader), new SAXResult(xmlSlurper))
            def archetype = xmlSlurper.document
            println "${archetype.groupId} ${archetype.artifactId} ${archetype.version}"
        }
    }
}