java - 如何用DOM解析大型xml文档？

Question

我想解析具有以下事件的 xml 元素:

• 并且没有 xml 声明
• 可以不按特定顺序提供元素

<employees>
   <employee>
      <details>
         <name>Joe</name>
         <age>34</age>
      </details>
      <address>
         <street>test</street>
         <nr>12</nr>
      </address>
   </employee>
   <employee>
      <address>....</address>
      <details>
         <!-- note the changed order of elements! -->
         <age>24</age>
         <name>Sam</name>
      </details>
   </employee>
</employees>

输出应为 csv:

name;age;street;nr
Joe,34,test,12
Sam,24,...

问题:当使用像 stax/sax 这样的事件驱动解析器时，我必须创建一个临时的 Employee我在每个事件节点上设置其属性的 bean，然后将 bean 转换为 csv。

但是由于我的 xml 文件大小有几 GB，我希望避免为每个条目创建额外的 bean 对象。

因此我可能不得不使用普通的旧 DOM解析？如果我错了，请纠正我，我很高兴收到任何建议。

我尝试如下。问题是doc.getElementsByTagName("employees")返回一个空节点列表，而我期望一个 xml 元素。为什么？

StringBuilder sb = new StringBuilder();

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
Document doc = db.parse(new InputSource(new StringReader(xml)));
doc.getDocumentElement().normalize();

NodeList employees = doc.getElementsByTagName("employees");
for (int i = 0; i < employees.getLength(); i++) {
    Node employee = employees.item(i);
    if (employees.getNodeType() == Node.ELEMENT_NODE) {
        NodeList employee = ((Element) employees).getElementsByTagName("employee");
        for (int j = 0; j < employee.getLength(); j++) {
            NodeList details = ((Element) employee).getElementsByTagName("details");

            //the rest is pseudocode
            for (details)
                sb.append(getElements("name").item(0) + ",");
                sb.append(getElements("age").item(0) + ",");    

            for (address) 
                sb.append(getElements("street").item(0) + ",");
                sb.append(getElements("nr").item(0) + ",");
        }
    }
}

Answer 1

DOM 解决方案将使用大量内存，SAX/Stax 解决方案将涉及编写和调试大量代码。这项工作的理想工具是 XSLT 3.0 可流式转换:

<xsl:transform version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output method="text"/>
  <xsl:mode streamable="yes" on-no-match="shallow-skip"/>
  <xsl:template match="employee">
    <xsl:value-of select="copy-of(.)!(.//name, .//age, .//street, .//nr)" 
                  separator=","/>
    <xsl:text>&#xa;</xsl:text>
  </xsl:template>
</xsl:transform>

注意

我最初将选择表达式编写为copy-of(.)//(name,age,street,nr)。这是不正确的，因为 // 运算符将结果按文档顺序排序，这是我们不希望的。使用 ! 和 , 小心地避免了排序。