- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
我想使用 Clojure 从 Wiktionary XML 转储中提取标题。
我使用 head -n10000 > out-10000.xml
创建了原始怪物文件的较小版本。然后我用一个文本编辑器修整以使其成为有效的 XML。我根据里面的行数重命名了文件(wc -l
):
(def data-9764 "data/wiktionary-en-9764.xml") ; 354K
(def data-99224 "data/wiktionary-en-99224.xml") ; 4.1M
(def data-995066 "data/wiktionary-en-995066.xml") ; 34M
(def data-7999931 "data/wiktionary-en-7999931.xml") ; 222M
这里是 XML 结构的概述:
<mediawiki>
<page>
<title>dictionary</title>
<revision>
<id>20100608</id>
<parentid>20056528</parentid>
<timestamp>2013-04-06T01:14:29Z</timestamp>
<text xml:space="preserve">
...
</text>
</revision>
</page>
</mediawiki>
这是我基于 this answer to 'Clojure XML Parsing' 尝试过的方法:
(ns example.core
(:use [clojure.data.zip.xml :only (attr text xml->)])
(:require [clojure.xml :as xml]
[clojure.zip :as zip]))
(defn titles
"Extract titles from +filename+"
[filename]
(let [xml (xml/parse filename)
zipped (zip/xml-zip xml)]
(xml-> zipped :page :title text)))
(count (titles data-9764))
; 38
(count (titles data-99224))
; 779
(count (titles data-995066))
; 5172
(count (titles data-7999931))
; OutOfMemoryError Java heap space java.util.Arrays.copyOfRange (Arrays.java:3209)
我的代码是不是做错了什么?或者这可能是我正在使用的库中的错误或限制?基于 REPL 实验,我使用的代码似乎是惰性的。在底层,Clojure 使用 SAX XML 解析器,因此单独应该不是问题。
另见:
2013-04-30 更新:
我想分享来自 clojure IRC channel 的一些讨论。我在下面粘贴了一个编辑过的版本。 (我删除了用户名,但如果你想要信用,请告诉我;我会编辑并给你一个链接。)
The entire tag is read into memory at once in
xml/parse
, long before you even call count. Andclojure.xml
uses the ~lazy SAX parser to produce an eager concrete collection. Processing XML lazily requires a lot more work than you think - and it would be work you do, not some magicclojure.xml
could do for you. Feel free to disprove by calling(count (xml/parse data-whatever))
.
总而言之,即使在使用 zip/xml-zip
之前,此 xml/parse
也会导致 OutOfMemoryError
文件足够大:
(count (xml/parse filename))
目前,我正在探索其他 XML 处理选项。在我列表的顶部是 clojure.data.xml如 https://stackoverflow.com/a/9946054/109618 所述.
最佳答案
这是 zipper 数据结构的限制。 zipper 设计用于高效地导航各种类型的树,支持在树层次结构中向上/向下/向左/向右移动,并在近乎恒定的时间内进行就地编辑。
从树中的任何位置, zipper 需要能够重新构建原始树(应用编辑)。为此,它会跟踪当前节点、父节点以及树中当前节点左右两侧的所有兄弟节点,大量使用持久数据结构。
您正在使用的过滤器函数从节点最左边的子节点开始,然后一个接一个地向右运行,沿途测试谓词。最左边的 child 的 zipper 以其左侧 sibling 的空向量开始(请注意 :l []
源代码中的 zip/down 部分)。每次向右移动时,它都会将最后访问的节点添加到左侧兄弟节点的向量中(:l (conj l node)
在 zip/right 中)。当你到达最右边的 child 时,你已经建立了树中该级别所有节点的内存向量,对于像你这样的宽树,这可能会导致 OOM 错误。
作为解决方法,如果您知道顶级元素只是 <page>
列表的容器元素,我建议使用 zipper 在页面元素内导航,只需使用 map
处理页面:
(defn titles
"Extract titles from +filename+"
[filename]
(let [xml (xml/parse filename)]
(map #(xml-> (zip/xml-zip %) :title text)
(:content xml))))
所以,基本上,我们避免对整个 xml 输入的顶层使用 zip 抽象,从而避免它在内存中保存整个 xml。这意味着对于更大的 xml,每个第一级子级都很大,我们可能不得不在 XML 结构的第二级再次跳过使用 zipper,等等......
关于xml - 使用 data.zip 在 Clojure 中解析 XML 时出现 OutOfMemoryError,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16289991/
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务,尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗? 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序,例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传,然后将该文件作为二进制文件存储到数据库中。在我存储它之后,我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库,因为我使用 Google 应用引
我正在尝试制作一个宏,将下面的公式添加到单元格中,然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ,但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash,版本5.0.3(1)-发行版(x86_64-pc-linux-gnu),我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里,为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时,它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单,因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面,我可以在其中返回用户帖子,可以使用一些 jquery 代码对这些帖子进行即时评论,在发布新评论后,我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用,
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列,它是一个数字,如帐号,并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么? Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中,我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段,我可以在其中输入任何字符,但然后将输入的值小写,删除任何非字母数字字符,留下“。”而不是空格。 例如,如果我输入: 地球的 70% 是水,-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情,但出于某种原因我没有得到想要的结果?我是 javascript 的新手,但对 java 有经验,所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理;用户登录,他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout,我想在 UITableViewCell 上放置一个 UIlabel,它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量,然后测试cols和rols是否相同。如果是,它将运行递归函数。但是,我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗? 现在,在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀!