Java 拆分 XML 文件答案

【问题标题】：Java Split XML fileJava 拆分 XML 文件
【发布时间】：2011-09-12 10:59:57
【问题描述】：

我如何将一个长的 XML 文件拆分成多个片段，每个片段都有一个预定义的不同名称？

例如，这是我粘贴在一个长 XML 中的 XML 文件，为测试而生成。现在我必须拆分信封，每个新文件。

<envelope>
 <tag1>1</tag1>
 <tag2>2</tag2>
 <tag3>3</tag3>
</envelope>
<envelope>
 <tag1>1</tag1>
 <tag2>2</tag2>
 <tag3>3</tag3>
</envelope>
<envelope>
 <tag1>1</tag1>
 <tag2>2</tag2>
 <tag3>3</tag3>
</envelope>

我之前已经使用过拆分，只是不像这样，整个 xml 没有开始和结束标记。

【问题讨论】：

Split 1GB Xml file using Java 的可能重复项
这个问题有吨个重复项。搜索 2 分钟就会找到答案。
是的，但与他们不同的是，我没有 XML 的开始和结束标记。
@Eve：在这种情况下，您的输入不是 XML：XML 文档必须有一个 single 根元素。
如果其他所有内容都是格式良好的 XML，那么使用添加开始和结束标签的过滤 InputStream 可能是一个很好的解决方案。

标签： java xml

【解决方案1】：

我建议使其格式正确，然后按照建议使用 SAX 或 StAX 解决方案之一。唯一的区别是我会避免将整个内容加载到内存中，而是通过 SequenceInputStream 注入开始和结束元素。

例如：

InputStream in = new SequenceInputStream(
                        // start doc
                        new ByteArrayInputStream("<root>".getBytes()),
                        new SequenceInputStream(
                           new FileInputStream("envelopes.txt"),
                           // end doc
                           new ByteArrayInputStream("</root>".getBytes())));

【讨论】：

【解决方案2】：

如何逐字符读取文件并识别<envelope> 和</envelope> 序列。无论何时遇到<envelope>，您都会开始捕获到缓冲区，直到到达</envelope>。这样，文件可以与文件系统允许的一样大。对大文件进行 XML 操作令人头疼:-)

【讨论】：

“头痛”是什么意思？
@Simeon：XML 解析有很大的开销，在这个例子中输入的不是格式良好的 XML，所以你需要解决它。
这个stackoverflow.com/questions/6204827/xml-parsing-too-slow/…。我已经用 SAX 解析了一个 150mb 的 XML（不幸的是......），它只用了 5 秒。
@ZeroPage 确实如此。那我们在讨论什么？ :) OP 说'它有 1000 个“信封”'
我不知道你在讨论什么，“头痛”这个词？ :)

【解决方案3】：

正如 Joachim 所说，这不是 XML。

您可以尝试以编程方式添加根元素，将文件另存为临时文件，然后参考other 类似问题了解如何拆分它。

回复评论：

This 可能会帮助您加载它。我怀疑您是否应该担心大小，因为要拆分它，无论如何您都必须将其加载到内存中然后再次写入。

然后是这样的：

final String xmlWithRootElement = "<root>" + IOUtils.toString(yourFile) + "</root>";

应该这样做。（没有那么多硬编码的字符串）

最后一件事。

我建议找到一个可行的解决方案。然后，如果您对性能不满意，您可以寻找优化方法，或者您可以提出与性能相关的问题。

【讨论】：

我想这样做，但 xml 文件要大得多，它有 1000 个“信封”，还包含 50 行。所以添加它会有点太多
1000 个信封元素不是很多，实际上是相当少的 IMO。如果您有 1000000 个信封元素，您可能会注意到它。文件有多大？