c - 是否有可能克隆 xmlTextReader(或多遍阅读)？

Question

我目前必须修复现有应用程序以使用 DOM interface 以外的东西的 libxml2因为事实证明它传递的 XML 文件太大以至于无法加载到内存中。

我已经将数据加载从遍历 DOM 树重写为使用 xmlTextReader在大多数情况下，现在没有太多问题。 (我使用 xmlNewTextReaderFilename 打开本地文件。)

然而事实证明，大数据所在的子树必须不按顺序读取，但我必须先收集一些(少量)数据。 (而问题恰恰是这个子树包含了大量的数据，所以只将这个子树加载到内存中也没有多大意义。)

最简单的方法就是“克隆”/“复制”我当前的阅读器，提前阅读，然后返回到原始实例继续阅读。 (似乎我是 not the first one ...甚至在 C# 端实现了一些东西:XML Reader with Bookmarks。)

除了“复制”xmlTextReader 的状态之外似乎没有任何其他方法。

如果我不能重新读取文件的部分，我也可以重新读取整个文件，这虽然很浪费，但在这里没问题，但我仍然需要记住我事先在哪里？

是否有一种简单的方法可以记住 xmlTextReader 在当前文档中的位置，以便我稍后可以在第二次读取文档/文件时再次找到该位置？

这是一个问题示例:

<root>
  <cat1>
    <data attrib="x1">
      ... here goes up to one GB in stuff ...
    </data>
    <data attrib="y2"> <!-- <<< Want to remember this position without having to re-read the stuff before -->
      ... even more stuff ...
    </data>
    <data attrib="z3">
       <!-- I need (part of) the data here to meaningfully interpret the data in [y2] that 
            came before. The best approach would seem to first skip all that data
            and then start back there at <data attrib="y2"> ... not having to re-read
            the whole [x1] data would be a big plus! -->
    </data>
  </cat1>
  ...
</root>

Answer 1

我想根据我的 learned at the XML mailing list 给出解决方法:

没有简单的方法来“克隆” xmlReader 上的状态，但是应该可行并且应该相当简单的方法是计算对文档所做的读取。

也就是说，要使用 xmlReader 读取文档，您可能必须调用以下命令:

// looping ...
status = ::xmlTextReaderRead(pReader);

如果您以结构化的方式进行操作(例如，我最终编写了一个包装器类来封装我对 xmlReader 的使用模式)，那么添加一个计数器就相对容易了:

// looping ...
status = ::xmlTextReaderRead(pReader);
if (1 == status) { // success
  ++m_ReadCounter;
}

要重新读取文档(到达某个位置)，您只需调用 xmlTextReaderRead 多次 m_ReadCounter 次，丢弃结果，直到到达位置你想重新开始。

是的，您必须重新解析整个文档，但这可能已经足够快了。 (实际上可能比缓存文档的大量部分更好/更快。)