问题标签 [sax]

（以下全部用Java编写）

我必须构建一个将可能非常大的 XML 文档作为输入的应用程序。该文档是加密的——不是使用 XMLsec，而是使用我的客户预先存在的加密算法——将分三个阶段进行处理：

首先，将根据上述算法对流进行解密。

其次，扩展类（由第三方编写到我提供的 API）将读取文件的某些部分。读取的数量是不可预测的——特别是它不能保证在文件的标题中，但可能出现在 XML 中的任何位置。

最后，另一个扩展类（同样处理）将输入 XML 细分为 1..n 个子集文档。这些可能会在某些部分与第二个操作处理的文档部分重叠，即：我相信我需要回退我用来处理这个对象的任何机制。

这是我的问题：

有没有一种方法可以做到这一点，而无需一次将整个数据读入内存？显然我可以将解密实现为输入流过滤器，但我不确定是否可以按照我描述的方式解析 XML；通过遍历尽可能多的文档以收集第二步的信息，然后通过倒回文档并再次将其传递以将其拆分为作业，理想情况下释放文档中不再使用的所有部分他们已经通过了。

我想使用 SAX 解析文档，并从一些元素创建一个子文档，同时纯粹使用 SAX 处理其他元素。因此，鉴于此文档：

我想使用 SAX ContentHandler 解析 DOC 和 DOC/entries 元素，但是当我点击时，<small>我想创建一个仅包含 the<small>及其子项的新文档。

有没有一种简单的方法可以做到这一点，还是我必须自己手动构建 DOM？

在 Java SAX 处理中，我无法从 org.xml.sax.ext.EntityResolver2resolveEntity 方法中获取实体引用名称。name 参数始终null是即使文档声明'name' is never null when invoked by a SAX2 parser.

任何想法 ？

为了演示这个问题，我创建了一个 Jython 2.5 脚本。它打印（在我的盒子上）：

Jython 2.5 脚本：

XPathReader 是/是正读 XML 解析器（基于 XMLReader 构建）的实现，它允许您注册 XPath 查询以供它查找（或至少称为Sequential XPath的 XPath 子集）。这似乎是轻松访问 xml 流元素的完美选择，或者您只需要从大型 xml 文档的开头提取一些信息，因此不想将整个内容加载到内存中的情况。

对于其中一位 MS 人员在 2003/2004 年发布的开源实现，似乎有一阵兴奋，例如：

http://donxml.com/allthingstechie/archive/2004/02/26/430.aspx

http://msdn.microsoft.com/en-us/library/ms950778.aspx

http://www.tkachenko.com/blog/archives/000472.html

但在那之后，这条小路似乎干涸了。对托管实施的位置 ( http://workspaces.gotdotnet.com/xpathreader ) 的引用似乎不再有效。有谁知道发生了什么事，为什么感兴趣的人消失了？

任何人都可以分享一段代码，他们在 C++ 中使用 SAX 解析器解析用户定义的对象。

Big XML File的后续问题：

首先非常感谢您的回答。之后……我做错了什么？这是我使用 SAX 的课程：

你可以看到我对我的 XML 文件没有做任何事情，但它给出了这个错误：

我也尝试了 Stax……同样的错误……我该怎么办？我还将 Java 堆大小增加到 1260M

XML 文件具有以下形式：

您可以找到原始文件：http ://dblp.uni-trier.de/xml/

谢谢

我的源代码中有一行非常简单的代码：

这在应用程序中完美无缺，但是，从小程序中，它尝试从服务器加载“.class”文件（没有类名，只是您看到的扩展名），然后无法给我一个解析器。

可能是什么问题呢？

我有一个包含元素和属性规范的简单 DTD 文件。我可以创建一个合适的 XML 文件（带有 DOM），用 Java 解析这个 DTD 而没有外部 API？

提前致谢

我需要解析一个 xml 字符串并查找特定文本节点的值、属性值等。我在 javascript 中执行此操作，并且使用 DOMParser 类来实现相同的目的。后来我被告知 DOM 会占用大量内存，而 SAX 是一个更好的选择。

最近我发现 XPath 也提供了一种查找节点的简单方法。

但我不确定这 3 种中哪一种是解析 XML 的最有效方法。请帮助....

我从 XML 文件中删除了一些我认为不必要的标签。现在，当我尝试解析它时，我的 SAX 解析器会抛出一个错误，并说我的文件格式不正确。但是，我知道每个开始标签都有一个结束标签。文件的开始标签有一个指向 XML 模式的链接。这会造成麻烦吗？如果是这样，那我该如何解决？

编辑：我想我找到了问题所在。我的字符数据包含“<”和“>”字符，大概来自 html 标签。在被解析之后，这些被转换为“<”和“>”字符，这似乎打扰了 SAX 解析器。有什么办法可以防止这种情况发生吗？