5

我正在尝试使用 JAVA 中的 SAX 读取基于 xml 并称为 mzXML 的文件格式。它携带部分编码的质谱数据(具有强度的信号)。

这是感兴趣的条目的样子(有更多信息):

    <peaks ... >eJwBgAN//EByACzkZJkHP/NlAceAXLJAckeQ4CIUJz/203q2...</peaks>

可以在此处下载在我的情况下强制错误的完整文件。

其中一个条目中的字符串包含大约 500 个压缩和 base64 编码的双精度对(信号和强度)。我所做的是解压缩和解码,以获取值(下面的示例中未显示解码)。这在一个小数据集上一切正常。现在我用了一个更大的,我遇到了一个我不明白的问题:

过程characters(ch,start,length)不会读取前面显示的行中的完整条目。长度值似乎很小。

当我刚刚将峰条目打印到控制台时,我没有看到这个问题,因为有很多字母,我不知道字母丢失了。但是解压失败,当有信息丢失时。当我反复运行这个程序时,它总是在同一点断开同一行而没有给出任何异常。如果我通过例如删除扫描来更改 mzXML 文件,它会在不同的位置中断。我在 character() 过程中使用断点查看currentValue的内容发现了这一点

这是概括问题所必需的一段代码:

import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.util.zip.DataFormatException;
import java.util.zip.Inflater;

import javax.xml.bind.DatatypeConverter;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

public class ReadXMLFile {

    public static byte[] decompress(byte[] data) throws IOException, DataFormatException { 
        Inflater inflater = new Inflater();  
        inflater.setInput(data); 

        ByteArrayOutputStream outputStream = new ByteArrayOutputStream(data.length); 
        byte[] buffer = new byte[data.length*2]; 
        while (!inflater.finished()) { 
            int count = inflater.inflate(buffer); 
            outputStream.write(buffer, 0, count); 
        } 
        outputStream.close(); 
        byte[] output = outputStream.toByteArray(); 

        return output; 
    } 

    public static void main(String args[]) {

        try {

            SAXParserFactory factory = SAXParserFactory.newInstance();
            SAXParser saxParser = factory.newSAXParser();

            DefaultHandler handler = new DefaultHandler() {

                boolean peaks = false;

                public void startElement(String uri, String localName,String qName, 
                        Attributes attributes) throws SAXException {

                    if (qName.equalsIgnoreCase("PEAKS")) {
                        peaks = true;
                    }
                }

                public void endElement(String uri, String localName,
                        String qName) throws SAXException {
                    if (peaks) {peaks = false;}
                }

                public void characters(char ch[], int start, int length) throws SAXException {

                    if (peaks) {
                        String currentValue = new String(ch, start, length);
                        System.out.println(currentValue);
                        try {
                            byte[] array = decompress(DatatypeConverter.parseBase64Binary(currentValue));
                            System.out.println(array[1]);

                        } catch (IOException | DataFormatException e) {e.printStackTrace();}
                        peaks = false;
                    }
                }
            };

            saxParser.parse("file1_zlib.mzxml", handler);

        } catch (Exception e) {e.printStackTrace();}
    }

}

有没有更安全的方法来读取大型 xml 文件?你能告诉我错误来自哪里或如何避免它吗?

谢谢,迈克尔

4

2 回答 2

7

该过程characters(ch,start,length)不会读取前面显示的行中的完整条目。长度值似乎很小。

这正是它被设计的工作方式。从以下文档ContentHandler

SAX 解析器可以在单个块中返回所有连续的字符数据,也可以将其拆分为多个块。

因此,您不应该尝试在实现decompress内部调用characters。相反,您应该将获得的字符附加到可扩展缓冲区,并decompress仅在获得相应的字符时调用endElement

StringBuilder sb = null;

public void startElement(String uri, String localName,String qName, 
    Attributes attributes) throws SAXException {
    if (qName.equalsIgnoreCase("PEAKS")) {
        sb = new StringBuilder();
    }
}

public void endElement(String uri, String localName, String qName) throws SAXException {
    if (sb == null) return;
    try {
        byte[] array = decompress(DatatypeConverter.parseBase64Binary(sb.toString()));
        System.out.println(array[1]);
    } catch (IOException | DataFormatException e) {e.printStackTrace();}
    sb = null;
}

public void characters(char ch[], int start, int length) throws SAXException {
    if (sb == null) return;
    String currentValue = new String(ch, start, length);
    sb.appens(currentValue);
}
于 2013-11-05T13:33:49.750 回答
0

试试这个!使用 aLinkedList将标签名称存储在 every并使用at everystartElement()删除最后一个元素。用于从中获取数据。因此,每次函数返回一些实际数据(使用)时,您都可以将其与LinkedList 中的最后一个元素( )相关联pollLast()endElement()String.trim()characters()characters()String.length()!=0peekLast()

然后你可以选择append()它或者可以不这样做

于 2014-01-28T12:33:33.963 回答