0

我有点不得不使用 .Net 2.0，所以 LINQ xml 不可用，虽然我很感兴趣它会如何比较......

我必须编写一个内部程序来下载、提取和比较一些本质上是构建配置的大型 XML 文件（每个大约 10 兆）。我第一次尝试使用库，例如​​ Microsoft 的 XML diff/patch，但比较文件需要 2-3 分钟，即使忽略空格、命名空间等（我一次测试每个忽略一个，试图找出什么是最快）。我试图实现我自己的想法——来自 XmlDocument 对象的节点列表、根的直接后代的键的字典（顺便说一下，45000 个孩子）指向整数以指示 XML 文档中的节点位置......至少运行 2 分钟。

我的最终实现在 1-2 秒内完成 - 我使用几行上下文对 diff 进行了系统进程调用，并将这些结果保存以显示（我们的开发机器包括 cygwin，谢天谢地）。

我不禁想到有一种更好的、特定于 XML 的方法来做到这一点，它与纯文本差异一样快 - 特别是因为我真正感兴趣的是 Name 元素，它是每个直接的子元素后代，并且可以出于我的目的丢弃文件的 4/5（我们只需要知道包含哪些文件，而不需要知道涉及语言或版本的任何其他内容）

因此，尽管 XML 很受欢迎，但我敢肯定有人不得不做类似的事情。比较这些大型 XML 的快速有效方法是什么？（最好是开源或免费的）

编辑：节点样本 - 我只需要找到缺失的 Name 元素（也有超过 45k 个节点）

<file>
     <name>SomeFile</name>
     <version>10.234</version>
     <countries>CA,US</countries>
     <languages>EN</languages>
     <types>blah blah</types>
     <internal>N</internal>
</file>
4

2 回答 2

0 
XmlDocument source = new XmlDocument();
source.Load("source.xml");
Dictionary<string, XmlNode> files = new Dictionary<string, XmlNode>();
foreach(XmlNode file in source.SelectNodes("//file"))
    files.Add(file.SelectSingleNode("./name").InnerText, file);

XmlDocument source2 = new XmlDocument();
source2.Load("source2.xml");
XmlNode value;
foreach(XmlNode file in source2.SelectNodes("//file"))
    if (files.TryGetValue(file.SelectSingleNode("./name").InnerText, out value))
      // This file is both in source and source2.
    else
      // This file is only in source2.

我不确定你到底想要什么，我希望这个例子对你的追求有所帮助。

于 2012-06-06T20:29:23.210 回答
0

可以通过多种方式区分 XML。不过，您对细节并不是很具体。发生的是文件很大，您只需要 4/5 的信息。

那么算法如下：

  • 规范化文档并将其简化为重要的信息。
  • 保存结果。
  • 比较结果。

和实施：

  • 使用高效的XmlReader API生成信息的纯文本表示。为什么是纯文本表示？因为差异工具基于存在​​纯文本的假设。我们的眼球也是如此。为什么XmlReader？您可以使用 SAX，它可以节省内存，但XmlReader效率更高。至于该纯文本文件的确切规格……您只是没有包含足够的信息。
  • 将纯文本文件保存到某个临时目录。
  • 使用命令行 diff 实用程序（如GnuWin32 diff）来获取一些 diff 输出。是的，我知道，不是完全正确，而是开箱即用，无需编码。如果您熟悉某些 C# diff API（我不熟悉），那么当然可以使用该 API。
  • 删除临时文件。（或者如果您要重复使用它们，可以选择保留它们。）
于 2012-06-06T20:33:12.247 回答