读取 XML 以获取实体

Question

我正在使用 SAX（XML 的简单 API）来解析 XML 文档。我的目的是解析文档，以便我可以将实体从 XML 中分离出来，并从这些实体创建一个 ER 图（我将在获得文件所具有的所有实体后手动创建）。 虽然我正处于对上面讨论的每件事进行编码的初始阶段，但我现在只是停留在这个特定的问题上。

这是我的代码：

import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

public class Parser extends DefaultHandler {

  public void getXml() {
    try {
      SAXParserFactory saxParserFactory = SAXParserFactory.newInstance();
      SAXParser saxParser = saxParserFactory.newSAXParser();
      final MySet openingTagList = new MySet();
      final MySet closingTagList = new MySet();
      DefaultHandler defaultHandler = new DefaultHandler() {

        public void startDocument() throws SAXException {
          System.out.println("Starting Parsing...\n");
        }

        public void endDocument() throws SAXException {
          System.out.print("\n\nDone Parsing!");
        }

        public void startElement(String uri, String localName, String qName,
          Attributes attributes) throws SAXException {
          if (!openingTagList.contains(qName)) {
            openingTagList.add(qName);
            System.out.print("<" + qName + ">");
          }
        }

        public void characters(char ch[], int start, int length)
        throws SAXException {
          for (int i = start; i < (start + length); i++) {
            System.out.print(ch[i]);
          }
        }

        public void endElement(String uri, String localName, String qName)
        throws SAXException {
          if (!closingTagList.contains(qName)) {
            closingTagList.add(qName);
            System.out.print("</" + qName + ">");
          }
        }
      };

      saxParser.parse("student.xml", defaultHandler);
    } catch (Exception e) {
      e.printStackTrace();
    }
  }

  public static void main(String args[]) {
    Parser readXml = new Parser();
    readXml.getXml();
  }
}

我想要实现的是，当 startElement 方法检测到标签已被遍历时，它应该跳过标签以及标签内的所有其他实体，但我对如何实现该部分感到困惑。

注意：目的是读取标签，我不关心它们之间的记录。 MySet 只是一个抽象，它包含诸如 contains （如果集合具有传递的数据）等方法。

任何帮助都会被占用。谢谢

Answer 1

由于 xml 的性质，不可能知道哪些标签稍后会出现在文件中。所以没有“跳过下一个 x 字节”的技巧。
只需要求合理大小的文件 - 也许有可能拆分数据。
在我看来，阅读超过 1 gb 的 xml 文件并不好玩——不管使用什么库。