java - 使用 dom4j 从流中读取单个 XML 文档

Question

我尝试使用 dom4j 一次从流中读取一个 XML 文档，对其进行处理，然后继续处理流中的下一个文档。不幸的是，dom4j 的 SAXReader(在幕后使用 JAXP)持续读取并阻塞了以下文档元素。

有没有办法让 SAXReader 在找到文档元素的末尾后停止读取流？有没有更好的方法来实现这一点？

Answer 1

我能够使用一些内部 JAXP 类让它与一些体操一起使用:

• 创建自定义扫描仪，它是 XMLNSDocumentScannerImpl 的子类
  • 在自定义扫描器内创建一个自定义驱动程序(XMLNSDocumentScannerImpl.Driver 的实现)，当它看到声明或元素时返回 END_DOCUMENT。从 fElementScanner.getCurrentEntity() 获取 ScannedEntity。如果实体有 PushbackReader，则将实体缓冲区中剩余的未读字符推回到阅读器上。
  • 在构造函数中，将 fTrailingMiscDriver 替换为此自定义驱动程序的实例。
• 创建一个自定义配置类，它是 XIncludeAwareParserConfiguration 的子类，在其构造函数中用此自定义扫描仪的实例替换现有的 DOCUMENT_SCANNER。
• 安装此自定义配置类的实例作为“com.sun.org.apache.xerces.internal.xni.parser.XMLParserConfiguration”属性，以便在 dom4j 的 SAXReader 类尝试创建 JAXP XMLReader 时将其实例化。
• 将 Reader 传递给 dom4j 的 SAXReader.read() 方法时，提供一个缓冲区大小比默认的单字符大得多的 PushbackReader。至少 8192 应该足以支持 JAXP 的 Apache2 副本内 XMLEntityManager 的默认缓冲区大小。

这不是最干净的解决方案，因为它涉及内部 JAXP 类的子类化，但它确实有效。