XmlReader 跳过相邻元素

Posted 2023-02-24

【中文标题】XmlReader 跳过相邻元素

【英文标题】：XmlReader skipping adjoined elements

【发布时间】：2017-07-08 12:22:01

【问题描述】：

在尝试最小化 XML 解析程序的内存占用，特别是避免使用 XElement.Load() 加载数百兆字节时，我遇到了建议使用较旧的 XmlReader e.g. here 的文章。

我需要在内部将每个主要元素重构为 XElement 以避免重大重构。但是，我发现如果我的源元素直接相邻，这种方法会跳过每个第二个元素。

我已经解决了这个单元测试的问题（MSTest2 with FluentAssertions）：

[DataTestMethod]
[DataRow("<data><entry>1</entry><entry>2</entry><entry>3</entry><entry>4</entry></data>")]
[DataRow("<data><entry>1</entry> <entry>2</entry> <entry>3</entry> <entry>4</entry></data>")]
public void XmlReaderCount(string input)

    var sr = new StringReader(input);
    var xml = XmlReader.Create(sr);
    xml.MoveToContent();

    var data = new List<string>();
    while (xml.Read())
    
        if (xml.LocalName == "entry" && xml.NodeType == XmlNodeType.Element)
        
            var element = (XElement)System.Xml.Linq.XNode.ReadFrom(xml);
            data.Add(element.Value);
        
    

    data.Should()
        .HaveCount(4);

第一个（数据驱动的）测试失败：

预期的集合包含 4 个项目，但找到了 2 个。

因为它将 1 和 3 放入数据收集中。它确实循环了 4 次，但每个其他元素都有一个 xml.NodeType 或 Text，而不是 Element。第二个测试（</entry> 和 <entry> 之间的空格通过处理所有 4 个。

在我的真实示例中，我不能轻易更改源。我已经有了一个受another *** question 启发的解决方案，所以我可以执行以下操作，但这似乎很奇怪 - 有什么问题吗？

[DataTestMethod]
[DataRow("<data><entry>1</entry><entry>2</entry><entry>3</entry><entry>4</entry></data>")]
[DataRow("<data><entry>1</entry> <entry>2</entry> <entry>3</entry> <entry>4</entry></data>")]
public void XmlReaderCountSubtree(string input)

    var data = new List<string>();

    var sr = new StringReader(input);
    var xml = XmlReader.Create(sr);
    xml.MoveToContent();

    while (xml.Read())
    
        if (xml.LocalName == "entry" && xml.NodeType == XmlNodeType.Element)
        
            using (var subtree = xml.ReadSubtree())
            
                subtree.MoveToContent();
                var content = subtree.ReadOuterXml();
                var element = XElement.Parse(content);
                data.Add(element.Value);
            
         
     

     data.Should()
         .HaveCount(4);

【参考方案1】：

当您调用 ReadFrom(xml) 时，xml 的状态发生了变化。它的光标向前移动到下一个元素。然后您的代码继续移动到while (xml.Read())，因此完全忽略了该新元素。

对于第二个数据集，被忽略（和未经检查）的元素是空白节点，因此您可以摆脱它。但基本上，你阅读算法是错误的。

您的第一种方法的修复，不是很漂亮，但它有效：

xml.Read();
while (! xml.EOF)

    if (xml.LocalName == "entry" && xml.NodeType == XmlNodeType.Element)
    
        //using (var subtree = xml.ReadSubtree())
                            
            var element = (XElement)XNode.ReadFrom(xml);
            data.Add(element.Value);
        
    
    else
    
        xml.Read();
    

【讨论】：

啊，明白了。所以用while(!xml.EOF)做一些与你类似的事情，在if条件内我会调用continue，否则（不需要else）我会做xml.Read()。