在 zip 中的 xml 文件上使用 SAX 解析器

Posted

技术标签:

【中文标题】在 zip 中的 xml 文件上使用 SAX 解析器【英文标题】:Using SAX parser on xml file inside a zip 【发布时间】:2012-09-06 18:59:13 【问题描述】:

由于要处理的文件的大小(50-100MB xml 文件),这可能超出了 Java VM 的能力

现在我有一组以 zip 格式发送的 xml 文件,这些文件依次全部解压缩,然后使用 SAX 一次处理一个目录中的所有 XML。

为了节省时间和空间(因为压缩大约是 1:10),我想知道是否有办法将 ZipFileEntry(一个 xml 文件)传递给 SAX 处理程序。

我已经看到它使用 DocumentBuilder 和其他 xml 解析方法完成,但为了性能(尤其是内存)我坚持使用 SAX。

目前我正在通过以下方式使用 SAX

        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser saxParser = factory.newSAXParser();

        MyHandler handler = new MyHandler();

        for( String curFile : xmlFiles )
        
            System.out.println( "\n\n\t>>>>> open " + curFile + " <<<<<\n");
            saxParser.parse( "file://" + new File( dirToProcess + curFile ).getAbsolutePath(), handler );
        

【问题讨论】:

【参考方案1】: ZipInputStream.read() 会从 ZipFileEntry 中读取 x 个字节,解压缩它们并为您提供解压缩的字节。 使用任何方法here 来创建输入/输出流。 将该输入/输出流作为InputStream 提供给您的解析器。 开始将解压缩的数据写入输入/输出流(现在被视为OutputStream)。 因此,您现在正在从 zip 文件中读取数据块,解压缩它们并将它们传递给解析器。

PS:

    如果 zip 文件包含多个文件,请参见:extracting contents of ZipFile entries when read from byte[] (Java),您必须进行检查,以便知道何时到达条目的末尾。 我不太了解 SAX 解析器,但假设它会以这种方式解析文件(当以块的形式给出时)。

--- 编辑---

这就是我的意思:

import java.io.File;
import java.io.InputStream;
import java.io.PipedInputStream;
import java.io.PipedOutputStream;
import java.util.Enumeration;
import java.util.zip.ZipEntry;
import java.util.zip.ZipFile;

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 Main 
    static class MyRunnable implements Runnable 

        private InputStream xmlStream;
        private SAXParser sParser;

        public MyRunnable(SAXParser p, InputStream is) 
            sParser = p;
            xmlStream = is;
        

        public void run() 
            try 
                sParser.parse(xmlStream, new DefaultHandler() 
                    public void startElement(String uri, String localName, String qName, Attributes attributes)
                            throws SAXException 
                        System.out.println("\nStart Element :" + qName);
                    

                    public void endElement(String uri, String localName, String qName) throws SAXException 
                        System.out.println("\nEnd Element :" + qName);
                    
                );
                System.out.println("Done parsing..");
             catch (Exception e) 
                e.printStackTrace();
            
        

    

    final static int BUF_SIZE = 5;
    public static void main(String argv[]) 

        try 

            SAXParser saxParser = SAXParserFactory.newInstance().newSAXParser();

            ZipFile zip = new ZipFile(new File("D:\\Workspaces\\Indigo\\Test\\performance.zip"));
            Enumeration<? extends ZipEntry> entries = zip.entries();
            while (entries.hasMoreElements()) 
                // in stream for parser..
                PipedInputStream xmlStream = new PipedInputStream();
                // out stream attached to in stream above.. we would read from zip file and write to this..
                // thus passing whatever we write to the parser..
                PipedOutputStream out = new PipedOutputStream(xmlStream);
                // Parser blocks in in stream, so put him on a different thread..
                Thread parserThread = new Thread(new Main.MyRunnable(saxParser, xmlStream));
                parserThread.start();

                ZipEntry entry = entries.nextElement();
                System.out.println("\nOpening zip entry: " + entry.getName());
                InputStream unzippedStream = zip.getInputStream(entry);

                byte buf[] = new byte[BUF_SIZE]; int bytesRead = 0;
                while ((bytesRead = unzippedStream.read(buf)) > 0) 
                    // write to err for different color in eclipse..
                    System.err.write(buf, 0, bytesRead);
                    out.write(buf, 0, bytesRead);
                    Thread.sleep(150); // theatrics...
                

                out.flush();
                // give parser a couple o seconds to catch up just in case there is some IO lag...
                parserThread.join(2000);

                unzippedStream.close(); out.close(); xmlStream.close();
            

         catch (Exception e) 
            e.printStackTrace();
        

    

【讨论】:

查看我在上面添加的当前实现示例,不确定如何通过 sax 解析调用使用流【参考方案2】:

您可以parse a XML 使用 InputStream 作为源。所以你可以打开一个ZipFile,得到你想要的entry的InputStream,然后解析它。请参阅getInputStream 方法。

---- 编辑----

这里有一些代码可以指导你:

for( String curFile : xmlFiles )

        ZipFile zip = new ZipFile(new File( dirToProcess + curFile));
        Enumeration<? extends ZipEntry> entries = zip.entries();
        while (entries.hasMoreElements())
            ZipEntry entry = entries.nextElement();
            InputStream xmlStream = zip.getInputStream(entry);
            saxParser.parse( xmlStream, handler );
            xmlStream.close();
        

【讨论】:

查看我在上面添加的当前实现示例,不确定如何通过 sax 解析调用使用流 似乎可以正常工作 - 尽管需要 30 分钟才能运行 - 非常大的文件。

以上是关于在 zip 中的 xml 文件上使用 SAX 解析器的主要内容,如果未能解决你的问题,请参考以下文章

如何在Ruby on Rails上使用SAX解析器来处理大型XML文件

在BlackBerry中使用SAX解析器解析XML

IOS中的XML解析之DOM和SAX

xml 使用 sax 解析器从子标签解析数据

使用 Sax Parser、Java 处理 XML 中的空标签

我的 persistence.xml 文件中的 SAX 解析器错误