使用 stax 和 dom 读取大型 XML 文件

Question

我需要读取几个大的（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（“解析器”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 - 所以我无法使用 JaxB。 如何向“解析器”模块传递我希望其解析的特定条目？ 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“项目”条目都将传递到“解析器”模块。

编辑：
经过更多阅读后，我想我需要一个使用流读取 XML 文件的库，但使用 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) 为 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();
        }
    }

}

另请参阅：

• 使用 Java 分割 1GB Xml 文件

Answer 2

由于 https://bugs.openjdk，Blaise Doughan 的答案在 clean java 7 和 8 中失败。 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)

有趣的事情：如果你使用 jaxb unmarshaller，你不会得到 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"));
        // Advance to root element
        xsr.nextTag(); // TODO: nextTag() can't skip DTD
        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();
            }
        }
    }

}

：原因是： com.sun.xml.internal.bind.v2.runtime.unmarshaller.StAXConnector$1 未实现 Locator2 因此它没有 getXMLVersion()< /代码>。

Answer 3

您可以尝试使用 JLibs 中的 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）。
并返回被命中的节点的 dom 节点。

因此，您可以在您的 fat xml 文档上评估 xpath /Items/Item 。当每个 Item 节点被解析时，您将会收到通知。您可以处理当前的 Item dom 节点，然后继续。

因此它适合评估大型文档的 xpath