我需要解析可能很大的 XML 文件,其中的模式已经在几个 XSD 文件中提供给我,因此 XML 绑定非常受欢迎。我想知道是否可以使用 JAXB 分块解析文件,如果可以,如何解析。
4 回答
因为代码很重要,所以这里有一个PartialUnmarshaller
将大文件读成块的人。可以这样使用new PartialUnmarshaller<YourClass>(stream, YourClass.class)
import javax.xml.bind.JAXBContext;
import javax.xml.bind.JAXBException;
import javax.xml.bind.Unmarshaller;
import javax.xml.stream.*;
import java.io.InputStream;
import java.util.List;
import java.util.NoSuchElementException;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
import static javax.xml.stream.XMLStreamConstants.*;
public class PartialUnmarshaller<T> {
XMLStreamReader reader;
Class<T> clazz;
Unmarshaller unmarshaller;
public PartialUnmarshaller(InputStream stream, Class<T> clazz) throws XMLStreamException, FactoryConfigurationError, JAXBException {
this.clazz = clazz;
this.unmarshaller = JAXBContext.newInstance(clazz).createUnmarshaller();
this.reader = XMLInputFactory.newInstance().createXMLStreamReader(stream);
/* ignore headers */
skipElements(START_DOCUMENT, DTD);
/* ignore root element */
reader.nextTag();
/* if there's no tag, ignore root element's end */
skipElements(END_ELEMENT);
}
public T next() throws XMLStreamException, JAXBException {
if (!hasNext())
throw new NoSuchElementException();
T value = unmarshaller.unmarshal(reader, clazz).getValue();
skipElements(CHARACTERS, END_ELEMENT);
return value;
}
public boolean hasNext() throws XMLStreamException {
return reader.hasNext();
}
public void close() throws XMLStreamException {
reader.close();
}
void skipElements(int... elements) throws XMLStreamException {
int eventType = reader.getEventType();
List<Integer> types = asList(elements);
while (types.contains(eventType))
eventType = reader.next();
}
}
这在用户指南中有详细说明。从http://jaxb.java.net/下载的 JAXB包含一个如何一次解析一个块的示例。
当文档很大时,通常是因为其中有重复的部分。可能是包含大量行项目的采购订单,或者可能是包含大量日志条目的 XML 日志文件。
这种 XML 适用于块处理;主要思想是使用 StAX API,运行一个循环,并分别解组各个块。您的程序作用于单个块,然后将其丢弃。这样,您最多只能在内存中保留一个块,这使您可以处理大型文档。
有关如何执行此操作的更多信息,请参阅 JAXB RI 分发中的流式解组示例和部分解组示例。流式解组示例的优点是它可以处理任意嵌套级别的块,但它需要您处理推送模型 --- JAXB 解组器会将新块“推送”给您,您需要正确处理它们那里。
相比之下,部分解组示例在拉模型中工作(这通常使处理更容易),但这种方法在数据绑定部分(重复部分除外)方面存在一些限制。
Yves Amsellem 的答案非常好,但只有在所有元素的类型完全相同时才有效。否则你的 unmarshall 会抛出一个异常,但是阅读器已经消耗了字节,所以你将无法恢复。相反,我们应该遵循 Skaffman 的建议并查看 JAXB jar 中的示例。
解释它是如何工作的:
- 创建一个 JAXB 解组器。
- 向解组器添加一个侦听器以拦截适当的元素。这是通过“破解” ArrayList 来完成的,以确保元素在解组后不会存储在内存中。
- 创建一个 SAX 解析器。这就是流式传输发生的地方。
- 使用解组器为 SAX 解析器生成处理程序。
- 溪流!
我将解决方案修改为通用*。然而,它需要一些反思。如果这不正确,请查看 JAXB jar 中的代码示例。
ArrayListAddInterceptor.java
import java.lang.reflect.Field;
import java.util.ArrayList;
public class ArrayListAddInterceptor<T> extends ArrayList<T> {
private static final long serialVersionUID = 1L;
private AddInterceptor<T> interceptor;
public ArrayListAddInterceptor(AddInterceptor<T> interceptor) {
this.interceptor = interceptor;
}
@Override
public boolean add(T t) {
interceptor.intercept(t);
return false;
}
public static interface AddInterceptor<T> {
public void intercept(T t);
}
public static void apply(AddInterceptor<?> interceptor, Object o, String property) {
try {
Field field = o.getClass().getDeclaredField(property);
field.setAccessible(true);
field.set(o, new ArrayListAddInterceptor(interceptor));
} catch (Exception e) {
throw new RuntimeException(e);
}
}
}
主.java
public class Main {
public void parsePurchaseOrders(AddInterceptor<PurchaseOrder> interceptor, List<File> files) {
try {
// create JAXBContext for the primer.xsd
JAXBContext context = JAXBContext.newInstance("primer");
Unmarshaller unmarshaller = context.createUnmarshaller();
// install the callback on all PurchaseOrders instances
unmarshaller.setListener(new Unmarshaller.Listener() {
public void beforeUnmarshal(Object target, Object parent) {
if (target instanceof PurchaseOrders) {
ArrayListAddInterceptor.apply(interceptor, target, "purchaseOrder");
}
}
});
// create a new XML parser
SAXParserFactory factory = SAXParserFactory.newInstance();
factory.setNamespaceAware(true);
XMLReader reader = factory.newSAXParser().getXMLReader();
reader.setContentHandler(unmarshaller.getUnmarshallerHandler());
for (File file : files) {
reader.parse(new InputSource(new FileInputStream(file)));
}
} catch (Exception e) {
throw new RuntimeException(e);
}
}
}
*此代码未经测试,仅用于说明目的。
我编写了一个小型库(可在 Maven Central 上获得)来帮助读取大型 XML 文件并按块处理它们。请注意,它只能应用于具有唯一容器的文件,该容器具有数据列表(即使来自不同类型)。换句话说,您的文件必须遵循以下结构:
<container>
<type1>...</type1>
<type2>...</type2>
<type1>...</type1>
...
</container>
下面是一个示例,其中Type1
, Type2
, ... 是文件中重复数据的 JAXB 表示:
try (StreamingUnmarshaller unmarshaller = new StreamingUnmarshaller(Type1.class, Type2.class, ...)) {
unmarshaller.open(new FileInputStream(fileName));
unmarshaller.iterate((type, element) -> doWhatYouWant(element));
}
您可以在库的 GitHub 页面上找到包含详细示例的更多信息。