多线程 - SaxParser 并行解析多个 xml 文件

Question

目标 - 使用 sax 解析器并行解析不同的 xml 文件 多个线程。

找到多个与同一主题相关的帖子。但他们都没有指出答案。

Question 1Question 2

我知道 SAXParserFactory 和 SAXParser 不是线程安全的。根据我的研究，我需要为每个线程创建 SAXParserFactory 和 SAXParser 的新实例。 我怎样才能做到这一点。 （也是 MySAXHandler 的新实例）

请找到我的代码的当前实现。

SAXParser 的启动

@Override
public GameStatisticsDTO processStatsGameStatXML(File gameStatsStatFile) {
    try(InputStream inputStream = new FileInputStream(gameStatsStatFile)) {
        // New Handler instance
        GameStatsSAXHandler gameStatsSAXHandler = new GameStatsSAXHandler();

        Reader reader = new InputStreamReader(inputStream, Constants.ENCODING_TYPE_UTF_8);
        InputSource inputSource = new InputSource(reader);
        inputSource.setEncoding(Constants.ENCODING_TYPE_UTF_8);

        // New Instance of SAXParserFactory
        SAXParserFactory factory = SAXParserFactory.newInstance();
        factory.setFeature(XMLConstants.FEATURE_SECURE_PROCESSING, true);

        // New Instance of SAXParser
        SAXParser saxParser = factory.newSAXParser();

        // Create an XML reader to set the entity resolver.
        XMLReader xmlReader = saxParser.getXMLReader();
        xmlReader.setEntityResolver(new StatsCustomResolver());
        xmlReader.setContentHandler(gameStatsSAXHandler);
        xmlReader.parse(inputSource);
        return gameStatsSAXHandler.getGameStatisticsDTO();
    } catch (Exception e) {
        throw new UnprocessableEntityException();
    }
}

这将调用 GameStatsSAXHandler 来解析 xml 节点。 Within that class I'm maintaining Instance reference variables to store my parsed data.

public class GameStatsSAXHandler extends DefaultHandler {

   // Instance Reference Variable - Hope this is thread safe
   private GameStatisticsDTO gameStatisticsDTO = new GameStatisticsDTO();

   protected GameStatisticsDTO getGameStatisticsDTO() {
      return this.gameStatisticsDTO;
   }

   @Override
   public void startElement (String uri, String localName, String 
     elementName, Attributes attributes) throws SAXException {
        // Process the data and add it to the gameStatisticsDTO
   }

   @Override
   public void endElement (String uri, String localName, String 
      elementName) throws SAXException {
        // Do some processing in gameStatisticsDTO
   }
}

gameStatisticsDTO 包含多个实例引用变量（对象和列表）

所以我有 2 个问题。

1) 因为只有局部原始变量是线程安全的。这是 GameStatsSAXHandler 及其 GameStatisticsDTO 是线程安全的？

我的想法：如果我为每个线程创建新的 GameStatsSAXHandler 实例，那么 GameStatisticsDTO 将是线程安全的。

2) 如何将其转换为多线程环境 并行性。

我的想法：创建 ThreadPoolExecutor 并传递新的 SAXParserFactory 并生成新的 SAXParser 并创建新的 GameStatsSAXHandler 并将其传递给基方法进行处理。 （processStatsGameStatXML 方法）

但是我怎样才能为每个线程创建新的实例呢？代码示例会很棒！ 谢谢

Answer 1

您将任务提交给ThreadPoolExecutor。任务通常是您保留与特定任务相关的所有上下文（即状态）数据的位置，在您的情况下，是一个文件的解析。

所以是这样的：

class ParsingTask implements Runnable {
    private SAXParserFactory factory;
    private SAXParser parser;
    private GameStatsHandler handler;
    // whatever else needed for parsing

    @Override
    public void run() {
        // actual parsing code
    }
}

[Edit] 附带说明，我认为SAXParserFactory 的实现通常是线程安全的。除非您需要在不同的解析任务之间对工厂进行不同的配置，否则可能不需要每次在每个新的解析任务上都实例化它。