使用 Jsoup 解析巨大的 HTML 流

Question

任何人都可以提供关于我将如何处理解析非常大的 HTML 流/文件的指针或建议。例如，我有一个大约 270,000 行的表，我想一次将大约 20,000 行带入我的应用程序。 jsoup parse 方法允许 HTML 片段，但我不清楚什么可能是读取代表此片段的 XXX 字节的最有效和最干净的方法。

非常感谢任何帮助。

Answer 1

如果它是 XHTML，并且您不需要一次将整个内容保存在内存中，更好的选择可能是使用 SAX 解析器并使用开始和结束标记事件来提取您需要的数据。

另一个想法可能是 StAX 解析器。