如何从大于可用 RAM 的 xml 文件中删除 xml 元素/节点？

Question

我正在尝试弄清楚如何从 php（最新版本）中非常大的 xml 文件中删除一个元素（及其子项）。

我知道我可以使用 dom 和 simpleXml，但这需要将文档加载到内存中。

我正在查看 XML 编写器/读取器/解析器函数和谷歌搜索，但似乎没有关于该主题的内容（所有答案都建议使用 dom 或 simpleXml）。这不可能是正确的——我错过了什么吗？

我找到的最接近的东西是这个（C#）：

您可以使用 XmlReader 顺序读取您的 xml（ReadOuterXml 在您的情况下一次读取整个节点可能很有用）。然后使用 XmlWriter 写出您要保留的所有节点。 (Deleting nodes from large XML files)

真的吗？那是方法吗？我必须复制整个大文件吗？

真的没有别的办法了吗？

一个方法

按照建议，

我可以使用 phps XML 阅读器或解析器读取数据，可能会对其进行缓冲，然后将其写入/转储+追加到新文件中。

但是这种方法真的实用吗？

我有将大型 xml 文件拆分成小块的经验，基本上是使用建议的方法，但这个过程需要很长时间才能完成。

我的数据集目前还不够大，无法让我知道如何解决这个问题。我只能假设结果将是相同的（一个非常缓慢的过程）。

有人有在实践中应用这个的经验吗？

Answer 1

有几种方法可以增量处理大型文档，这样您就不需要一次将整个结构加载到内存中。无论哪种情况，是的，您需要写回您希望保留的元素并省略您想要删除的元素。

1. PHP 有一个XMLReader implementation of a pull parser。一个explanation：

   拉式解析器创建一个迭代器，该迭代器依次访问各种 XML 文档中的元素、属性和数据。使用的代码 这个迭代器可以测试当前项目（例如，告诉 它是一个开始或结束元素，或文本），并检查其属性 （本地名称、命名空间、XML 属性值、文本值、 等），并且还可以将迭代器移动到下一个项目。代码可以 从而在文档遍历时从文档中提取信息。

2. 或者你可以使用the SAX XML Parser。 Explanation:

   Simple API for XML (SAX) 是一个词法、事件驱动的接口，其中 连续读取文档，并将其内容报告为回调 到用户设计的处理程序对象上的各种方法。 SAX 是 实现快速高效，但难以用于提取 从 XML 中随机获取信息，因为它往往会给 跟踪文档的哪一部分的应用程序作者 正在处理中。

很多人更喜欢 pull 方法，但两者都符合您的要求。请记住，大是相对的。如果文档适合内存，那么使用 DOM 几乎总是更容易。但是对于非常非常大的文档，可能根本不是一种选择。