STAX 使用条件修改嵌套 XML 并为巨大的 XML 写回大约 6 GB

Question

我是 java 初学者，一直在编写代码来解压缩包含大约 100 000 个 XML 文件的 zip 文件，然后将这些文件合并为 1 个 XML 文件，这样我就可以处理一个文件而不是加载这么多文件。 我解压缩文件并将其合并为 1 个文件并使用 DOM 解析器进行解析，但现在我需要修改此合并的 XML 文件，然后将其写回 1 个文件中。我可以使用 DOM 解析器和 StringBuilder 来做到这一点，但看起来 StringBuilder 无法处理这个大文件，因为它会给出 java 堆空间错误。

随着我的进一步研究，我了解到 STAX 解析器可能非常适合处理具有更好性能的大文件。

我已经阅读了多篇文章和教程，但还无法编写出满足我要求的代码。 所以，我的 XML 有多个标签，合并后我的结构是这样的：

<Items>
   <Item >
      <Tag1>
</Tag1>
         <Tag2>
</Tag2>
            <Images>
               <Image>
                  <width>200</width>
                  <height>200</height>
                  <url>xyz.com</url>
                  <action>update</action>
               </Image>
               <Image>
                  <width>400</width>
                  <height>600</height>
                  <url>xyz.com</url>
                  <action>update</action>
               </Image>
            </Images>
   </Item>
   <Item >
      <Tag1>
</Tag1>
         <Tag2>
</Tag2>
            <Images>
               <Image>
                  <width>100</width>
                  <height>400</height>
                  <url>abc.com</url>
                  <action>update</action>
               </Image>
               <Image>
                  <width>400</width>
                  <height>200</height>
                  <url>xyz.com</url>
                  <action>update</action>
               </Image>
            </Images>
   </Item>
</Items>

我的要求是检查图像标签下的宽度和高度是否大于某个值，然后只取图像标签，否则从图像部分删除它。 同样，我需要从文件中删除一些其他标签，一旦所有处理完成，将返回整个 XML 文件并进行更改。

我浏览了很多关于 STAX 实现的文章，但我无法弄清楚如何访问 Image 标签，它是根标签 的曾孙。

Answer 1

使用 XSLT 3.0 流非常容易：

<xsl:mode streamable="yes" on-no-match="shallow-copy"/>
<xsl:template match="Image">
  <xsl:variable name="image" select="copy-of(.)"/>
  <xsl:sequence select="$image[width*height gt 100000]"/>
</xsl:template>

当然，您可以在此处对宽度和高度使用任何谓词。当且仅当谓词为真时，样式表才会输出图像。

但是，如果您有 6Gb 的 XML 分布在 100K 文件中，那么我不确定您为什么要在处理之前将它们连接起来。这将比单独处理它们更占用内存（这也可以通过几行 XSLT 代码来完成）。