如何设置读取xml文件的起点？答案

【问题标题】：How to set the start point for reading an xml file?如何设置读取xml文件的起点？
【发布时间】：2014-10-31 23:38:26
【问题描述】：

我有一个很大的 XML 文档 (111 MB)，并且想要非常快地转到一个特殊的节点（按索引）。文档有大约 1000000 个这样的节点：

<Kt>
<PLZ>01067</PLZ>
<Ort>Dresden</Ort>
<OT>NULL</OT>
<Strasse>Potthoffstr.</Strasse>
</Kt>

我想“跳转”，例如到文档中的第 100 万个节点，然后从这里开始阅读。必须忽略此后面的所有节点。我已经用 XMLReader 尝试过，但是这些总是从第一个节点开始读取。

        int i = 0;//                    v-----------Index of the Node where I want to go!
        while (reader.Read() == (i < 1000000))
        {
            if (reader.Name == "PLZ")
            {
                textBox1.Text = reader.ReadString();
            }

            if (reader.Name == "Ort")
            {
                textBox2.Text = reader.ReadString();
            }

            if (reader.Name == "OT")
            {
                textBox3.Text = reader.ReadString();
            }

            if (reader.Name == "Strasse")
            {
                textBox4.Text = reader.ReadString();
                i++;
            }

这就是 XML 文档的结构！

<?xml version="1.0" encoding="UTF-8"?>
<dataroot xmlns:od="urn:schemas-microsoft-com:officedata" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  xsi:noNamespaceSchemaLocation="Kt.xsd" generated="2014-10-21T18:20:30">
<Kt>
<PLZ>01...</PLZ>
<Ort>Dresden</Ort>
<OT>NULL</OT>
<Strasse>NULL</Strasse>
</Kt>
<Kt>
<PLZ>01067</PLZ>
<Ort>Dresden</Ort>
<OT>Innere Altstadt</OT>
<Strasse>Marienstr.</Strasse>
</Kt>
<Kt>
<PLZ>01067</PLZ>
<Ort>Dresden</Ort>
<OT>NULL</OT>
<Strasse>Potthoffstr.</Strasse>
</Kt>

换句话说：在不读取完整文件的情况下加载大型 xml 文件的一部分的可能性是什么。

【问题讨论】：

记下 xml 的这个缺点。最初使用总是非常方便，但对于任何数量可观的数据，基于文本的格式会让您失望。

标签： c# xml

【解决方案1】：

您将必须读取到那时为止的所有数据，因为 xml（与大多数基于文本的反序列化格式一样）不适合跳过数据。 XmlReader 有一些辅助方法可以帮助解决这个问题，例如 ReadToNextSibling 和 ReadToFollowing。基本上，除非您使用各种元素的字节偏移（例如，每 100 个或第 1000 个元素）对文件（单独）进行预索引，否则这是您将做的最好的事情。并且这样做 that 意味着您将在片段（而不是文档）模式下工作，并且您需要非常小心命名空间（特别是：在文档根目录上声明的别名）。

基本上，如果我们以拥有一个 111MB、数百万个元素的 xml 文件为前提，您所做的似乎差不多。坦率地说，我的建议是一开始就不要这样做。对于大数据，Xml 不是一个好的选择，除非它纯粹作为一个死点，也许以后会再次批量加载。它不允许有效的随机访问。

【讨论】：

@user3347346（回复现已删除的评论）这些是相互冲突的要求； xml 不适合“非常快”、“随机访问”和“巨大”的组合。如果您需要快速随机访问，请将其批量加载到数据库中首先，然后针对正确索引的数据库进行访问。或者至少：使用允许跳过的不同文件格式 - 几乎可以肯定是某种二进制格式（我可以建议一对，但它们绝不会是 xml）。
@user3347346 或充其量：正如我已经提到的，预先索引 xml 文件并接受别名解析的痛苦

【解决方案2】：

如果您需要经常这样做，那么您就做错了。数据应该存储在数据库中，或者至少存储在较小的块中。

如果您不经常这样做，那真的有问题吗？我希望它可以在 5 秒左右内完成。

【讨论】：