xml - Perl XML 解析器和 Expat

Question

我有一个包含大量数据的巨大 XML 文件，我需要创建一个 perl 脚本来解析 XML 并仅提取所需的数据。

我被告知要使用 expat，我想知道是否有人有任何关于如何使用 perl 和 expat 解析 XML 的好的教程或文章。

希望这是有道理的，我对 perl 真的很陌生。

Answer 1

通过诸如XML-Twig或XML-Rules之类的包装器间接使用 expat 可能是最简单的。但也可以使用XML-LibXML（使用 libxml 而不是 expat）中的 XML::LibXML::Reader 之类的拉式解析器进行解析。

Answer 2

如果，如您所说，XML 文件很大并且只需要一些选定的数据，那么 XML::Reader:RS 应该可以完成这项工作：它使用 XML::Parser 作为底层解析模块，而后者又使用 expat 解析XML。

以下代码片段仅解析来自可能巨大的 XML 文件所需的信息。它只使用少量内存：

use strict;
use warnings;

use XML::Reader::RS;

my $rdr = XML::Reader::RS->new(\*DATA, { mode => 'branches' },
  { root => '/info/line[@cat="A"]', branch => [ '/' ] });

while ($rdr->iterate) {
    my ($line) = $rdr->value;

    for ($line) {
        $_ = '' unless defined $_;
    }

    print "line = '$line'\n";
}

__DATA__
<info>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="A">Data 0000001</line>
  <line cat="A">Data 0000002</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
  <line cat="xyz">abc</line>
</info>

（但是，XML::Reader::RS 并不是最快的，如果你想要速度和内存效率，那么你应该考虑直接使用 XML::Parser）