是否有任何生产就绪库可用于针对提供的 xml 文档进行流式 XPath 表达式评估？我的调查表明，大多数现有解决方案在评估 xpath 表达式之前会将整个 DOM 树加载到内存中。
【问题讨论】：
标签： java xml dom xpath evaluation
我想我会选择自定义代码。如果只想读取 xml 文档的一些路径，.NET 库让我们非常接近目标。
由于到目前为止我看到的所有解决方案都只考虑 XPath 子集，所以这也是这种解决方案。虽然子集真的很小。 :)
此 C# 代码读取 xml 文件并计算给定显式路径的节点。您还可以使用xr["attrName"] 语法轻松地对属性进行操作。
int c = 0;
var r = new System.IO.StreamReader(asArgs[1]);
var se = new System.Xml.XmlReaderSettings();
var xr = System.Xml.XmlReader.Create(r, se);
var lstPath = new System.Collections.Generic.List<String>();
var sbPath = new System.Text.StringBuilder();
while (xr.Read()) {
//Console.WriteLine("type " + xr.NodeType);
if (xr.NodeType == System.Xml.XmlNodeType.Element) {
lstPath.Add(xr.Name);
}
// It takes some time. If 1 unit is time needed for parsing the file,
// then this takes about 1.0.
sbPath.Clear();
foreach(object n in lstPath) {
sbPath.Append('/');
sbPath.Append(n);
}
// This takes about 0.6 time units.
string sPath = sbPath.ToString();
if (xr.NodeType == System.Xml.XmlNodeType.EndElement
|| xr.IsEmptyElement) {
if (xr.Name == "someElement" && lstPath[0] == "main")
c++;
// And test simple XPath explicitly:
// if (sPath == "/main/someElement")
}
if (xr.NodeType == System.Xml.XmlNodeType.EndElement
|| xr.IsEmptyElement) {
lstPath.RemoveAt(lstPath.Count - 1);
}
}
xr.Close();
【讨论】：
虽然我没有实践经验，但我认为值得一提的是 QuiXProc (http://code.google.com/p/quixproc/)。它是 XProc 的一种流式处理方法，并使用为 XPath 等提供流式传输支持的库。
【讨论】：
XSLT 3.0 提供streaming mode of processing，随着 XSLT 3.0 W3C 规范成为 W3C 推荐标准，这将成为一个标准。
在撰写此答案时（2011 年 5 月），Saxon 提供了一些 support for XSLT 3.0 streaming。
【讨论】：
FWIW，我对非常大 (>3GB) 的文件使用了 Nux 流式过滤器 xpath 查询，它既可以完美运行，也可以使用很少的内存。我的用例略有不同（不是以验证为中心），但我强烈建议您尝试使用 Nux。
【讨论】：
有几种选择：
DataDirect Technologies sells an XQuery implementation 在可能的情况下采用投影和流式传输。它可以处理数千兆字节范围内的文件 - 例如大于可用内存。它是一个线程安全的库，因此很容易集成。仅限 Java。
Saxon 是一个开源版本，有一个价格适中的更昂贵的表亲，它可以在某些情况下进行流式传输。 Java，但也有一个 .net 端口。
MarkLogic 和 eXist 是 XML 数据库，如果将您的 XML 加载到其中，它们将以相当智能的方式处理 XPath。
【讨论】：
试试Joost。
【讨论】：
这对于完整的 XPath 实现是否实用，因为 XPath 语法允许：
/AAA/XXX/following::*
和
/AAA/BBB/following-sibling::*
这意味着前瞻性要求？即，无论如何您都必须从特定节点加载文档的其余部分。
Nux 库（特别是 StreamingPathFilter）的文档说明了这一点，并引用了一些依赖于 XPath 子集的实现。 Nux 声称可以执行一些流式查询功能，但鉴于上述情况，在 XPath 实现方面会有一些限制。
【讨论】：