使用java中的SAX解析器从xml文件中提取xml节点（不是文本而是完整的xml）和其他测试节点

Question

我必须读取大的xml文件，每个文件的大小约为500MB。批处理通常在每次运行中处理500个这样的文件。我必须从中提取文本节点，同时从中提取xml节点。为了便于使用，我在java中使用了xpath DOM，但由于内存问题，这不起作用，因为我的资源有限

我打算现在在java中使用SAX或stax——可以很容易地提取文本节点，但我不知道如何使用SAX从xml中提取xml节点

样本：

<?xml version="1.0"?>
<Library>
  <Book name = "ABC">
    <Author>John</Author>
    <PrintingCompanyDT><Printer>Sam</Printer><Printmachine>Laser</Printmachine>    
    <AssocPrint>Oreilly</AssocPrint> </PrintingCompanyDT>
  </Book>
  <Book name = "123">
    <Author>Mason</Author>
    <PrintingCompanyDTv<Printervkelly</Printer><Printmachine>DOTPrint</Printmachine>
    <AssocPrint>Oxford</AssocPrint> </PrintingCompanyDT>
  </Book>
</Library>

预期结果： 1） 书籍：ABC:
作者：约翰
打印公司详细信息XML：

<PrintingCompanyDT>
  <Printer>Sam</Printer>
  <Printmachine>Laser</Printmachine>
  <AssocPrint>Oreilly</AssocPrint> 
</PrintingCompanyDT>

2） 书籍：123
作者：梅森 打印公司详细信息XML：

<PrintingCompanyDT>
  <Printer>kelly</Printer>
  <Printmachine>DOTPrint</Printmachine>
  <AssocPrint>Oxford</AssocPrint>
</PrintingCompanyDT>

如果我尝试以常规方式在public void characters（char ch[]，int start，int length）方法中添加字符 我得到了以下信息
1） 书籍：ABC:
作者：约翰
打印公司详细信息XML：

Sam 
  Laser
      Oreilly

正是内容和空间

有人能建议如何通过java中的SAX或StaX解析器从xml文件中提取xml节点吗

Answer 1

我很想用XOM来完成这类任务，而不是直接使用SAX或StAX。XOM是一种基于树的表示形式，类似于DOM或JDOM，但它支持以一种半流式方式处理XML“细枝”，非常适合于有许多相似元素可以彼此独立处理的情况。此外，每个Node都有一个toXML方法，将节点打印为XML

import nu.xom.*;

public class LibraryProcessor extends NodeFactory {
  private Nodes empty = new Nodes();
  private bookNum = 0;

  /** Called for each closing tag in the XML */
  public Nodes finishMakingElement(Element element) {
    if("Book".equals(element.getLocalName())) {
      bookNum++;
      // process the complete Book element ...
      processBook(element);
      // ... and throw it away
      return empty;
    } else {
      // process other elements (except Book) in the normal way
      return super.finishMakingElement(element);
    }
  }

  private void processBook(Element book) {
    System.out.println(bookNum + ": " +
        book.getAttributeValue("name"));
    System.out.println("Author: " +
        book.getFirstChildElement("Author").getValue());
    System.out.println("PrintCompany Detail XML: " +
        book.getFirstChildElement("PrintingCompanyDT").toXML());
  }

  public static void main(String[] args) throws Exception {
    Builder builder = new Builder(new LibraryProcessor());
    builder.build(new File(args[0]));
  }
}

这将贯穿XML文档，依次为每个Book元素调用processBook。在processBook中，您可以作为XOM节点访问整个BookXML树，但不必一次性将整个文件加载到内存中，这是两种情况中最好的一种。在XOM tutorial的“工厂、过滤器、子类化和流式处理”部分有关于这项技术的更多细节

这个例子只展示了XOM API的最基本部分，但如果需要进行更复杂的处理，它还提供了强大的XPath支持。例如，您可以使用

Element machine = (Element)book.query("PrintingCompanyDT/PrintMachine").get(0);

或者，如果结构不是很规则，例如如果PrintingCompanyDT有时是Book的直接子级，有时是更深的子级（例如孙子），那么可以使用如下查询：

Element printingCompanyDT = (Element)book.query(".//PrintingCompanyDT").get(0);

（//是在任何级别查找子代的XPath表示法，而/只查找直接子代）