SAX解析大数据量的xml文件获取字符内容的问题

Question

    我需要解析一个xml文件，xml文件的结构如下所示：<Response>
<Object>
<Element>ID</Element>
<Element>XM</Element>
<Element>GMS</Element>
<Element>XB</Element>
</Object>

<Records> <Record>
<Element>GMS</Element>
<Value></Value>
</Record>
<Record>
<Element>ID</Element>
<Value>0011f887252346818a59fedffe6d7821
</Value>
</Record>
<Record>
<Element>XM</Element>
<Value>李明</Value>
</Record>
<Record>
<Element>XB</Element>
<Value>男</Value>
</Record>
<Record>
<Element>GMS</Element>
<Value>1111111111111111111</Value>
</Record>
<Record>
<Element>ID</Element>
<Value>0015224632e9476aaa8f419dcfc222b9
</Value>
</Record>
<Record>
<Element>XM</Element>
<Value>柳眉</Value>
</Record>
<Record>
<Element>XB</Element>
<Value>女</Value>
</Record>
          </Records>
<Response>其中<Object>中的内容是每一个人所具有的属性，<Records>里面的内容是每个人对应属性的数值。
然后再对其进行修改操作，我原来使用的是dom4j，但对于大数据量的xml文件操作时就会出现内存溢出错误。因此我现在换用了SAX来解析，因为SAX是事件触发的，遇到换行或者空白时也会触发void characters(char ch[], int start, int length),解析出好多无关的比如"\n"的字符，怎样只获取到数值内容忽略掉无关内容，比如对于后一条记录获取到如下内容：
GMS
1111111111111111111
ID
0015224632e9476aaa8f419dcfc222b9
XM
柳眉
XB
女
我获取到字符内容后还要进行判断修改操作，如何判断获取到的某一项内容，比如GMS对应的数值内容为空呢。我原来是将characters（）方法 中获取到的字符内容放在List中，但我发现里面的无关内容太多，并且当某一项为空时List里面并没有存放相应的null或者" "。处理30M以上的xml如果不用sax，还有没有其他的方法。这个问题已经困扰我四五天了，一直没解决掉，还请大家多帮忙、多指教啊。

Answer 1

import java.io.FileReader;
import java.io.IOException;import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLEventReader;
import javax.xml.stream.XMLStreamReader;
import javax.xml.stream.XMLStreamException;import javax.xml.stream.events.XMLEvent;
import javax.xml.stream.events.Characters;public class Example {
    public static void main(final String[] args) {
        try(FileReader reader = new FileReader("/tmp/response.xml")){
                XMLInputFactory factory = XMLInputFactory.newFactory();
                factory.setProperty("javax.xml.stream.isCoalescing",Boolean.TRUE);
                XMLEventReader xereader = factory.createXMLEventReader(reader);
                while(xereader.hasNext()){
                    XMLEvent e = xereader.nextEvent();
                    if(e.isCharacters()){
                        Characters cdata = e.asCharacters();
                        if(cdata.isWhiteSpace()) continue;
                        System.out.println(cdata.getData());
                    }
                }
                xereader.close();
            } catch (XMLStreamException|IOException e){
            System.err.println(e.getMessage());
        }
    }
}
ID
XM
GMS
XB  
  
GMS
ID
0011f887252346818a59fedffe6d7821
      
XM
李明
XB
男
GMS
1111111111111111111
ID
0015224632e9476aaa8f419dcfc222b9
      
XM
柳眉
XB
女

Answer 2

你好 谢谢你的回复，这种方法不是用的SAX是吧？对于30M以上的xml文件会不会出现内存溢出呢？

Answer 3

javax.xml.stream 和 sax 类似。可以处理 大型 XML 文档。都是基于事件处理。区别在于 一个是推一个是拉。而且 stream 还支持输出流。

Answer 4

恩 谢谢 我刚才试了一下 是不是这种方法必须保证标签完全是<tag></tag>这种格式的吗？我的标签里有些属性的值为空时，就会写作  <Element>GMSFZHM</Element> 
  <Value /> 
而不是完整的<value></value>这样我运行是就会报这样的错误：
Message: The element type "Value" must be terminated by the matching end-tag "</Value>".
at com.sun.org.apache.xerces.internal.impl.XMLStreamReaderImpl.next(XMLStreamReaderImpl.java:588)
at com.sun.xml.internal.stream.XMLEventReaderImpl.nextEvent(XMLEventReaderImpl.java:85)
at sax.Example.main(Example.java:24)

Answer 5

没有遇到。
我使用的是java -version
java version "1.7.0"
Java(TM) SE Runtime Environment (build 1.7.0-b147)
Java HotSpot(TM) Client VM (build 21.0-b17, mixed mode, sharing)

Answer 6

我把这段
<Record>
    <Element>GMS</Element>
    <Value></Value>
</Record>
==>
<Record>
    <Element>GMS</Element>
    <Value />
</Record>
没有问题。

Answer 7

我把你的代码直接拷进我的Myeclipse，有些地方会报错，我修改了一下 不知道改后是不是正确，麻烦你再帮我检查一下吧，谢谢了啊。import java.io.FileNotFoundException;
import java.io.FileReader;import javax.xml.stream.FactoryConfigurationError;
import javax.xml.stream.XMLEventReader;
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.events.Characters;
import javax.xml.stream.events.XMLEvent;public class Example {
public static void main(final String[] args) {
         try {
FileReader reader = new FileReader("/tmp/response.xml");
    XMLInputFactory factory = XMLInputFactory.newInstance();
    factory.setProperty("javax.xml.stream.isCoalescing",Boolean.TRUE);
    XMLEventReader xereader = factory.createXMLEventReader(reader);
    while(xereader.hasNext()){
        XMLEvent e = xereader.nextEvent();
        if(e.isCharacters()){
            Characters cdata = e.asCharacters();
            if(cdata.isWhiteSpace()) continue;
            System.out.println(cdata.getData());
        }
    }
    xereader.close();
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IllegalArgumentException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (FactoryConfigurationError e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (XMLStreamException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
    }
}

Answer 8

没有错误。
FileReader 那里需要修改为你自己的xml文件。循环那部分，根据你的实际需要修改，参考几个类的文档。