在 Java (Sax) 中使用 xsl:result-document

Question

我确实阅读和测试了很多，但我没有得到一个有效的 java 解决方案：

我现在有一个通过 JAXB 处理的大型 xml 文件（超过 100MB）。目的是每次使用 root 的一个孩子将 xml 拆分为多个 xml。
重要提示：由于文件大小，首选萨克斯风格。

我找到了很多关于 xsl:result-document 的信息，但我发现无法从 java 中运行它，而且我很不确定是否可以将所需的内存保持在较低水平。

这是我的 Java 代码：

import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.stream.StreamResult;
import javax.xml.transform.stream.StreamSource;

public class TestParse {

public static void main(final String[] args) throws Throwable {
    final TransformerFactory factory = TransformerFactory.newInstance();
    final Transformer transformer = factory.newTransformer(new StreamSource("D:\\split.xsl"));

    final StreamSource in = new StreamSource("D:\\input.xml");
    final StreamResult out = new StreamResult("D:\\output.xml");
    transformer.transform(in, out);
}

这是一个示例-xml（“input.xml”）：

<?xml version="1.0" encoding="ISO-8859-1"?>
<Taskname>
  <Item attr="ab" attr2="c">
    <MoreNodes>...</MoreNodes>
  </Item>
  <Item attr="xy" attr2="z">
    <MoreNodes>...</MoreNodes>
  </Item>
  <!-- ...and many items more -->
</Taskname>

这是我的 xsl (split.xsl)：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="2.0">
    <xsl:strip-space elements="*"/>
    <xsl:param name="dir" select="'file:///D://'"/>

    <xsl:template match="Item">
        <xsl:result-document href="{$dir}section{position()}.xml" method="xml">
            <Taskname>
            <xsl:copy-of select="." />
            </Taskname>
        </xsl:result-document>
    </xsl:template>

</xsl:stylesheet>

所以一个 result-xml 应该如下所示：

<?xml version="1.0" encoding="ISO-8859-1"?>
<Taskname>
  <Item attr="..." attr2="...">
    <MoreNodes>...</MoreNodes>
  </Item>
 </Taskname>

我的问题：

我现在真的不知道，我怎样才能获得 xslt 的不同输出，除此之外，我需要将它们作为 Streams 而不是作为文件 - 我会逐项需要它们（如 sax 的 endElement）使用更少的内存。

也许，还有比使用 xslt 更好的方法，请告诉我。

Answer 1

首先，如果您想避免在内存中为源文档构建树，那么您将不得不使用 XSLT 3.0 流式传输来运行它——这意味着您需要 Saxon-EE 许可证。 （不过，用传统的方式处理一个 100Mb 的文件是很可行的，在内存中有一棵树）。

其次，如果您希望 xsl:result-document 的输出被捕获为内存流而不是写入文件存储，那么在 Saxon 中实现此目的的方法是编写并注册一个 OutputURIResolver。这将为每个结果文档调用一次，并且可以指定接收文档的目的地（例如 StreamResult 或 SAXResult）。

Answer 2

我可能会放弃 XSLT 来完成这项任务，而直接使用像 StAX API 这样的东西。但这取决于您最终要对拆分的文件做什么。您在问题中提到了 JAXB，请注意，JAXB Unmarshaller 可以从 StAX XMLStreamReader 读取，这允许您使用一种“半流式”处理模型，您可以通过输入文件进行流式处理Item 一次。假设您有一个代表 Item 元素类型的 Item 类：

JAXBContext ctx = JAXBContext.newInstance(Item.class);
Unmarshaller u = ctx.createUnmarshaller();
XMLInputFactory inFactory = XMLInputFactory.newFactory();
try(InputStream stream = Files.newInputStream(Paths.get("input.xml"))) {
  XMLStreamReader reader = inFactory.createXMLStreamReader(stream);
  try {
    reader.nextTag(); // the root Taskname start tag
    reader.nextTag(); // the start tag of the first Item, if there is
                      // one, the end of the Taskname if there isn't
    while(reader.getEventType() == XMLStreamConstants.START_ELEMENT) {
      JAXBElement<Item> theItem = u.unmarshal(reader, Item.class);
      // do whatever you want to do with this item
      process(theItem.getValue());

      // this is an oddity of the JAXB API - when unmarshalling from
      // a stream reader the reader is left pointing to the event
      // *after* the closing tag, not to the closing tag itself,
      // so whether or not we need to advance to the next tag depends
      // whether there is whitespace between the close of one Item
      // and the start of the next.
      if(reader.getEventType() != XMLStreamConstants.START_ELEMENT &&
           reader.getEventType() != XMLStreamConstants.END_ELEMENT) {
        reader.nextTag();
      }
    }
  } finally {
    reader.close();
  }
}