xml - 如何使用 Powershell 将 XML 文件拆分为较小的文件

Question

我有想要拆分的大型 XML 文件(“ONIX”标准)。基本结构为:

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE ONIXmessage SYSTEM "http://www.editeur.org/onix/2.1/short/onix-international.dtd">
<!-- DOCTYPE is not always present and might look differently -->
<ONIXmessage> <!-- sometimes with an attribute -->
<header>
...
</header> <!-- up to this line every out-file should be identical to source -->
<product> ... </product>
<product> ... </product>
...
<product> ... </product>
<ONIXmessage>

我想要做的是将此文件拆分为 n 个大小大致相同的较小文件。为此，我会计算 <product> 的数量节点，将它们除以 n 并将它们克隆到 n 个新的 xml 文件中。我搜索了很多，这个任务似乎比我想象的要难。

到目前为止我无法解决的是克隆一个具有相同 xml 声明、文档类型、根元素和 <header> 的新 XML 文档。节点，但没有 <product>s .我可以使用正则表达式来做到这一点，但我宁愿使用 xml 工具。

转移多个 <product> 的最聪明方法是什么？节点到一个新的 XML 文档？对象符号，如 $xml.ONIXmessage.product | % { copy... } , XPath()查询(你能用 XPath() 选择 n 个节点吗？)和 CloneNode()或 XMLReader/XMLWriter ?

节点的内容在格式和编码方面应该相同。如何确保这一点？

我将非常感谢在正确方向上的一些插入!

Answer 1

一种方法是:

复制 xml 文件

删除副本中的所有产品节点

使用循环一次将一个产品从原始文件复制到其中一个副本。

当您达到每个文件的产品限制时，保存当前文件(副本)并创建一个新文件。

例子:

param($path, [int]$maxitems)

$file = Get-ChildItem $path

################

#Read file
$xml = [xml](Get-Content -Path $file.FullName | Out-String)
$product = $xml.SelectSingleNode("//product")
$parent = $product.ParentNode

#Create copy-template
$copyxml = [xml]$xml.OuterXml
$copyproduct = $copyxml.SelectSingleNode("//product")
$copyparent = $copyproduct.ParentNode
#Remove all but one product (to know where to insert new ones)
$copyparent.SelectNodes("product") | Where-Object { $_ -ne $copyproduct } | ForEach-Object { $copyparent.RemoveChild($_) } > $null

$allproducts = @($parent.SelectNodes("product"))
$totalproducts = $allproducts.Count

$fileid = 1
$i = 0

foreach ($p in $allproducts) {
    #IF beggining or full file, create new file
    if($i % $maxitems -eq 0) {
        #Create copy of file
        $newFile = [xml]($copyxml.OuterXml)
        #Get parentnode
        $newparent = $newFile.SelectSingleNode("//product").ParentNode
        #Remove all products
        $newparent.SelectNodes("product") | ForEach-Object { $newparent.RemoveChild($_) } > $null
    }

    #Copy productnode
    $cur = $newFile.ImportNode($p,$true)
    $newparent.AppendChild($cur) > $null

    #Add 1 to "items moved"
    $i++ 

    #IF Full file, save
    if(($i % $maxitems -eq 0) -or ($i -eq $totalproducts)) {
        $newfilename = $file.FullName.Replace($file.Extension,"$fileid$($file.Extension)")
        $newFile.Save($newfilename)
        $fileid++
    }

}

更新:由于性能在这里很重要，我创建了一个新版本的脚本，它使用 foreach 循环和 xml 模板来删除 99% 的读取操作和删除操作的副本。概念仍然相同，但以不同的方式执行。

基准:

10 items, 3 per xml OLD solution: 0.0448831 seconds
10 items, 3 per xml NEW solution: 0.0138742 seconds
16001 items, 1000 per xml items OLD solution: 73.1934346 seconds
16001 items, 1000 per xml items NEW solution: 5.337443 seconds