重写大型 XML 文件 - 不包括某些节点

Question

我想重写一个没有某些节点的大型 xml。 我正在尝试使用 system.xml.xmlreader 逐行读取 XML 文件（100 MB，无法将其全部读取到内存中） - 努力寻找一种读取其中部分内容的方法，将它们写到单独的xDocument，然后将该 xDocument 保存到磁盘。

我一直在想的是这样的：

      using (XmlReader reader = XmlReader.Create(_xml_path))
        {
            using (XmlWriter writer = XmlWriter.Create(@"filteredxml.xml"))
            {
                reader.MoveToContent();

                while (reader.Read())
                {
                    if (reader.NodeType == XmlNodeType.Element)
                    {
                        if (reader.Name != "EL_TO_BE_REMOVED")
                        {
                           //writer.WriteNode(reader.ReadOuterXml());

                        }
                    }
                }
            }
        }

但是 reader.ReadOuterXml() 只是转到第一个元素并将其所有后代写入文件，而不让我过滤我希望忽略的元素。

Answer 1

在大文件和内存限制的情况下，您应该使用 SAX 而不是 DOM 进行解析：XMLReader 确实是 C# 等价物。

这可能是一种基本方法，其中一个 XMLReader 用于输入，一个 XMLWriter 用于输出，一个计数器用于删除名为 RemoveMe（及其所有内容）的节点。

注意内部循环克隆每个相关元素的属性。

        using (XmlReader reader = XmlReader.Create(OriginalXml))
        {
            XmlWriterSettings ws = new XmlWriterSettings();
            ws.Indent = true;
            using (XmlWriter writer = XmlWriter.Create(FilteredXml, ws))
            {
                int skip = 0;
                while (reader.Read())
                {
                    switch (reader.NodeType)
                    {
                        case XmlNodeType.Element:
                            skip += reader.Name.Equals(RemoveMe) ? 1 : 0;
                            if (skip == 0)
                            {
                                writer.WriteStartElement(reader.Name);
                                while (reader.MoveToNextAttribute())
                                    writer.WriteAttributeString(reader.Name, reader.Value);
                            }

                            break;
                        case XmlNodeType.Text:
                            if (skip == 0)
                            {
                                writer.WriteString(reader.Value);
                            }
                            break;
                        case XmlNodeType.XmlDeclaration:
                        case XmlNodeType.ProcessingInstruction:
                            if (skip == 0)
                            {
                                writer.WriteProcessingInstruction(reader.Name, reader.Value);
                            }   
                            break;
                        case XmlNodeType.Comment:
                            if (skip == 0)
                            {
                                writer.WriteComment(reader.Value);
                            }
                            break;
                        case XmlNodeType.EndElement:
                            if (skip == 0)
                            {
                                writer.WriteFullEndElement();
                            }
                            skip -= reader.Name.Equals(RemoveMe) ? 1 : 0;
                            if (skip < 0)
                            {
                                throw new Exception("wrong sequence");
                            }
                            break;
                    }
                }

            }
        }

Answer 2

这听起来像是XSLT 的工作。

XSL 变换（RemoveElement.xslt）：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output method="xml" indent="yes"/>

  <xsl:template match="@* | node()">
    <xsl:copy>
      <xsl:apply-templates select="@* | node()"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="EL_TO_BE_REMOVED" />

</xsl:stylesheet>

执行转换的 C# 代码：

var transform = new XslCompiledTransform();
transform.Load("xslt/path/RemoveElement.xslt");

transform.Transform("input/xml/path/inputFile.xml", "output/xml/path/outputFile.xml");