这个问题的变体现在已经在这里被问过好几次了,但我的问题更多是关于在 Java 中使用 XPATH 的一般效率问题。
我的任务:获取有关地理位置的维基百科文章,并从中创建分层数据结构。
我已经获得了 wiki 页面的 XML 版本,并根据直观的模式重新格式化。我还制作了一系列非常简单的类来代表不同级别的行政等级,例如:
public class Province implements java.io.Serializable {
private ArrayList<City> cities = new ArrayList<City>();
private String hanzi;
private String pinyin;
public Province(String hanzi, String pinyin) {
this.hanzi = hanzi;
this.pinyin = pinyin;
}
以及添加城市的方法、一些 getter 和 setter 方法以及 toString()。
这是我正在处理的 XML 文件类型的示例:
<mediawiki>
<page>
<title>Tianjin</title>
<revision>
<id>2064019</id>
<text xml:space="preserve">
<province>
<hanzi>天津</hanzi>
<pinyin>Tianjin</pinyin>
<Level2>
<hanzi>和平</hanzi>
<pinyin>Heping</pinyin>
<zip>300000</zip>
</Level2>
<Level2>
<hanzi>河东</hanzi>
<pinyin>Hedong</pinyin>
<zip>300000</zip>
</Level2>
</province>
</text>
</revision>
</page>
...
</mediawiki>
在这一点上,我基本上有一个功能设置,但是代码非常重复,并且没有考虑到地理数据固有的分层性质。理想情况下,我可以停在某个级别(假设“专注”于特定省份),并且从那时起仅以相对的方式引用事物,以最大限度地减少我必须爬过整个文档的次数。举个例子(注意,我使用了对传统 Document 设置的抽象,但下面的方法几乎完全对应于传统方法):
XPathReader reader = new XPathReader("sourceXML\\Provinces.xml");
String expression = "/mediawiki/page";
NodeList allProvinces = (NodeList)reader.read(expression, XPathConstants.NODESET);
for(int i=0; i < allProvinces.getLength(); i++) {
expression = "/mediawiki/page[" + i + "]/revision/text/province/hanzi";
String hanzi = reader.read(expression, XPathConstants.STRING).toString();
expression = "/mediawiki/page[" + i + "]/revision/text/province/pinyin";
String pinyin = reader.read(expression, XPathConstants.STRING).toString();
Province currProv = new Province(hanzi, pinyin);
expression = "/mediawiki/page[" + i + "]/revision/text/province/Level2";
NodeList level2 = (NodeList)reader.read(expression, XPathConstants.NODESET);
for(int j=1; j < level2.getLength(); j++) {
expression = "/mediawiki/page[" + i + "]/revision/text/province/Level2[" + j + "]/hanzi";
String hanzi2 = reader.read(expression, XPathConstants.STRING).toString();
expression = "/mediawiki/page[" + i + "]/revision/text/province/Level2[" + j + "]/pinyin";
String pinyin2 = reader.read(expression, XPathConstants.STRING).toString();
City currCity = new City(hanzi2, pinyin2);
currProv.add(currCity);
...
}
}
坦率地说,这似乎很愚蠢。我没有考虑到一旦我达到我关心的级别,这些字符串的所有内容都是相同的。我没有引用任何类型的相对路径,每当我遍历文档的一部分时,我实际上是遍历了整个内容。如果我能暂时屏蔽原始 XML 文档的其余部分并只关注我所在的省,并以相对的方式提及此后的所有内容,那就太好了。
我应该特别指出,“读取”抽象背后的成本是多么昂贵:
xPath.compile(expression);
String result = xPathExpression.evaluate (xmlDocument, returnType);
我本质上是在重新编译一个相同的模式,但结局略有不同?加载感兴趣的部分然后用“currProv/hanzi”之类的东西引用它的孩子怎么样?
我已经研究过解析 XML 的其他方法,并且“Digester”似乎做了类似于我想要http://commons.apache.org/digester/core.html的事情,但我已经在这个 XPATH 中拥有了几乎所有东西执行。
我一直怀疑这个问题的解决方案非常简单......但我不能完全掌握解决方案。无论如何,我感谢您的时间!