4

我们有一个扁平的 XSD，因此我们考虑以 CSV 格式存储数据，而不是以 XML 格式存储数据，因为数据可能非常庞大。假设我们从 XSD 知道 CSV 中每条记录的元素类型，有没有办法使用基于 Java 的 XML Validator 针对 XSD 验证 CSV 中的每条记录？

4

3 回答 3

3

Saxon XSD 验证器用作 SAX 过滤器，因此您可以通过发送表示输入的 XML 视图的 SAX 事件来进行验证。因此，您所需要的只是一个读取 CSV 文件并发出代表其内容的 SAX 事件的 Java 程序，其中 SAX 事件通过管道传送到 XSD 验证器。

于 2013-01-09T08:50:49.163 回答
1

一种方法是执行以下操作：

  • 使用 JAXB 编译器从 XSD 创建 Java 类
  • 使用类似于Flatworm的产品自动/声明式地将您的记录（或整个文件）解析为上面创建的 Java 类，或者简单地手动等。
  • 使用一种方法，例如在 SO上发布的方法来验证您的图表。只要确保您适当地缓存，即重用验证器和 JAXBContext 对象。

考虑到请求的性质，编组到 XML（即使作为 JAXBSource）所产生的开销是不可避免的。您可以做的就是充分利用它...如果 CPU 带宽不是问题，您可以尝试并行化以提高吞吐量（每个线程需要一个验证器，上次我使用 JAXBContent 时它是线程安全的）。而且我会避免加载整个文件，如果有人认为所有记录的 XSD（如与记录匹配的元素将是具有 maxOccurs="unbounded" 的粒子）将是一种更有效的验证方式......对于大文件，您将耗尽内存，很可能......

对于大量数据，使用 XSD 可以被标记为优雅，但效率不高。对于在寻找 .NET 解决方案时遇到这篇文章的人来说，通过调用XmlSchemaDatatype.ParseValue来验证单个字段的效率更高（假设 XSD 没有跨字段约束等）。

于 2013-01-08T19:54:21.643 回答
1

“平面 XSD”和“每条记录的元素类型”是什么意思？显然，在将非 XML 格式提供给期望 XML 输入的验证器时，涉及到一些转换或适应过程。因此，所有相关名称都必须可用。

特别是，除非您有额外的列（通常在行的开头），否则您将没有空间对与整行对应的元素的名称进行编码。这与第一行中其他列的名称是子元素（上）还是属性（下）无关。

那么，假设该名称对适配器可用，那么您的“平面 XSD”是什么样的？如果此元素是架构的根或顶级元素（即架构仅描述一行），那么您将必须使用新的顶级元素扩展架构以充当一系列行的容器，这是您的 CSV 文件。换句话说，不是将每一行验证为单独的 XML 文档，您应该将整个 CSV 文件（经过转换或以其他方式改编）验证为单个 XML 文档。

如果您的验证器可以接受管道输入，那么您只需要使用任何方便的脚本语言编写的 CSV 到 XML 转换器。

于 2013-01-10T19:33:47.793 回答