问题标签 [xml-conduit]

我正在使用Text.XML.Stream.Parsefromxml-conduit来解析一个大型 XML 文件。

我的内部解析器如下所示：

运行它时，我收到一条长长的错误消息，如下所示：

我该如何解决这个问题？

注意：提问者立即回答了这个问题，因此故意不显示任何研究工作。

我想使用xml-conduit，特别Text.XML.Stream.Parse是为了懒惰地从大型 XML 文件中提取对象列表。

作为测试用例，我使用了最近重新发布的 StackOverflow 数据转储。为简单起见，我打算从中提取所有用户名stackoverflow.com-Users.7z。即使文件是 a .7z，file也表示它只是 bzip2 压缩的数据（文件末尾可能有一些 7zip 的东西，但现在我不在乎）。

XML 的简化版本是

基于这个之前的问答和Hackage流的示例，以 bz2-ed 形式读取示例 XML 对我来说非常适合

但是，当runghc用于运行以下程序时，它运行时不打印任何输出：

我认为出现此问题是因为 Haskell 尝试users在开始打印之前深入评估列表。程序的内存使用量持续增长约每秒 2%（来源：htop）支持这一理论。

如何将结果“直播”到标准输出？我认为这可以通过$$ CB.sinkFile "output.txt"在末尾添加另一个管道语句来实现。但是，此特定版本期望Conduit输出ByteString. 你能指出我从这里去哪里的正确方向吗？

任何帮助将不胜感激！

我正在从http://hackage.haskell.org/package/xml-conduit-1.1.0.9/docs/Text-XML-Stream-Parse.html解析修改后的 XML

这是它的样子：

我如何获得每个人的firstname名单age？

我的目标是使用 http-conduit 下载这个 xml 然后解析它，但我正在寻找一个解决方案，当没有属性时如何解析（使用 tagNoAttrs？）

这是我尝试过的，我在 Haskell 评论中添加了我的问题：

xml-conduit 文档仅列出了整个 XML 树由 a使用的ConduitM示例，例如：

我正在尝试解析一棵树，其中除了<person>上面的标签之外，还有我不感兴趣的深层嵌套子树（它们的确切架构甚至可能未知），例如：

使用docs中的people.hs示例进行解析时，出现以下异常：

基本上，我正在寻找一种方法来忽略任何标签（包括它的所有子标签和属性），除了我指定解析器的特定标签。当使用像 HXT 这样的基于 DOM 的解析器时，这显然很容易，但tag文档明确指出，除非所有子节点都被消耗，否则它将失败。

我能想到的唯一假设方法是使用函数Control.Exception来构建一个带有Maybe a结果的管道（返回Nothing异常），然后orE将它与解析器本身结合起来

尽管已经声明xml-conduit API 需要一些更新，但我认为必须有一种不那么骇人听闻的方式来忽略整个子树。任何想法将不胜感激！

我在网上看到的 Haskell 的 xml-conduit 模块的每个示例都使用了 OverloadedStrings GHC 扩展（例如这里）。我认为这是因为该Text.XML.Cursor.element函数具有 type Name -> Axis。例如，如果没有 OverloadedStrings，此代码段将无法工作：

但是，我想编写一个更便携的模块，即不使用这个扩展。这样做的最佳方法是什么？我是否注定Text要从每个字符串中创建一个值Data.Text.pack，然后Text.XML.Name在将结果传递给之前使用数据构造函数element？或者有没有更简单的方法？

我正在使用 xml-conduit 和 Text.XML.Cursor 来导航一些带有嵌套表的可怕 html。有一个带有两个 tbody 标签的表，我想要第一个 tbody 的直接子 tr 标签。到目前为止，这是我的代码：

但这会得到两个 tbody 标签的所有后代 trs。我根本不知道如何单独获得第一个 tbody，并且对仅过滤该 tbody 中的直系子女感到困惑。

这是我要解析的html。

使用 执行不区分大小写的标记和属性名称匹配的最佳方法是什么xml-conduit？

例如，考虑findNodesFP Complete's School of Haskell 的 HTML 解析示例中的函数：

https://www.fpcomplete.com/school/starting-with-haskell/libraries-and-frameworks/text-manipulation/tagsoup

（我已经修改了这一行，使其适用于 Bing 的当前页面结构。）

我的实验表明element并且attributeIs在匹配名称时不执行不区分大小写的比较。有没有简单的方法来改变这个？

以下问题基于此问题的公认答案。接受答案的作者说，流式帮助程序 APIxml-conduit多年来没有更新（来源：SO question 的接受答案），他推荐该Cursor接口。

基于第一个问题的解决方案，我编写了以下使用包Cursor接口的haskell代码xml-conduit。

此代码适用于小型 XML 文件。但是，当代码在 30G XML 文件上运行时，执行会被操作系统终止。

如何使此代码在非常大的 XML 文件上工作？

更新：经过多次不同的尝试，我现在得出的结论是，下面看到的行为是预期的，我只是遇到困难，因为我稍后会使用 ToJson。如果我完全解决它会更新。

==================================================== =============

我正在尝试使用 xml-conduit 来实现这一点：

• 将文档的光标向下移动到 html 文档的元素。
• 将此节点的任何后代视为文本。即不仅获取文本形式的内容，还获取标签本身。

例如，我根据下面的评论编辑了这个例子

应该返回

而我得到

" "\u003cli class=\"c1\"\u003e 这真的是“好作品”\u003ci\u003eJohn\u003c/i\u003e\u003c/li\u003e

因此，标签内发生的事情与内容发生的事情不同。我想也许 ToHtml 实例并不是我真正想要的。我只想折叠所有后代，将它们的标签和内容转换为文本。虽然我找不到办法。

formatParas :: [ 文本 ] -> [ 文本 ]

我是 Haskell 的初学者。我有一些使用 xml-conduit 的代码，并且一切正常，我可以根据需要对其进行转换。

我遇到的问题是我的输入来自 html（来自网络）。我想把它输入到我的函数中。目前为此，我必须运行命令行实用程序 'tidy' 以将其规范化为 XHTML：

这是可行的，但显然并不理想。我不想围绕 'tidy' 编写命令行包装器，我相信这一定已经解决了！我找到了 html-conduit 包，但不知道如何将一个连接到另一个。如果有人能阐明如何解决这个问题，或者另一个图书馆可以做我想做的事，我将不胜感激。我尝试阅读 html-conduit 的文档，但无法弄清楚这两个库如何互操作。