我有以下问题：我有非常大的 XML 文件（如 300+ Megs），我需要解析它们以便将它们的一些值添加到 db。这些文件的结构也很复杂。我想使用 Stax Parser，因为它提供了一次拉解析（并因此处理）XML 文件的一部分的很好的可能性，因此不会将整个内容加载到内存中，而是另一方面获取值Stax（至少在这些 XML 文件上）很麻烦，我需要编写大量代码。从后一种角度来看，如果我可以将 XML 文件编组为 Java 对象（就像 JAX-B 一样），它将极大地帮助我，但这会同时加载整个文件以及内存中的大量 Object 实例。
我的问题是，是否有某种方法可以按顺序提取解析（或仅部分解析）文件，然后仅将这些部分编组为 Java 对象，以便我可以轻松处理它们而不会占用内存？
【问题讨论】：
我会推荐 Eclipse EMF。但它有同样的问题，如果你给它文件名，它会解析整个事情。虽然有一些选项可以减少加载量，但我并没有太在意，因为我们在具有 96 GB RAM 的机器上运行。 :)
无论如何，如果您的 XML 格式定义良好，那么一种解决方法是通过将整个文件分解为几个较小（但仍然定义良好）的 XML sn-ps 来欺骗 EMF。然后一个接一个地喂每个 sn-p。我不知道 JAX-B，但也许同样的解决方法也可以在那里应用。我会推荐，因为 EMF 对于这样一个小问题来说太大了。
如果您的 XML 看起来像这样，请稍微详细说明一下：
<tag1>
<tag2>
<tag3/>
<tag4>
<tag5/>
</tag4>
<tag6/>
<tag7/>
</tag2>
<tag2>
<tag3/>
<tag4>
<tag5/>
</tag4>
<tag6/>
<tag7/>
</tag2>
............
<tag2>
<tag3/>
<tag4>
<tag5/>
</tag4>
<tag6/>
<tag7/>
</tag2>
</tag1>
然后可以将其分解为一个 XML，每个 XML 以 <tag2> 开头并以 </tag2> 结尾。而在 java 中，大多数解析器都会接受 Stream，因此只需使用您想要的任何内容进行解析，在循环中为每个 <tag2> 创建一些 StringStream 或其他内容，然后传递给 JAX-B 或 EMF。
HTH
【讨论】：
嗯，首先我要感谢回答我问题的两个人，但我最终没有使用这些提议，部分原因是这些提议的技术离 Java 有点远，比如说“标准 XML 解析”，感觉很奇怪到目前为止，Java 中已经存在类似的工具，部分原因是事实上我确实找到了一个仅使用 Java API 来完成此任务的解决方案。
我不会详细介绍我找到的解决方案，因为我已经完成了实现，而且这里放置了相当多的代码（我在这一切之上使用 Spring Batch，并进行了大量配置和东西）。
不过，我将对我最终完成的工作发表一点评论：
这里的主要想法是，如果您有一个 XML 文档并且它是相应的 XSD 模式，您可以使用 JAXB 对其进行解析和编组，并且可以分块进行，并且可以使用偶数解析器读取所述块例如 STAX，然后传递给 JAXB Marshaller。
这实际上意味着您必须首先确定您的 XML 文件中的一个好位置，您可以说“这里的这部分有很多重复结构，我将一次处理这些重复”。这些重复部分通常是在父标签内重复很多次的相同（子）标签。因此，您所要做的就是在您的 STAX 解析器中创建一个事件侦听器，该事件侦听器在每个子标签的开头触发，然后将该子标签的内容流式传输到 JAXB，使用 JAXB 编组并处理它。
这个想法在我遵循的这篇文章中得到了很好的描述（确实，它是从 2006 年开始的，但它处理的是当时相当新的 JDK 1.6，所以从版本上来说它一点也不旧）：
http://www.javarants.com/2006/04/30/simple-and-efficient-xml-parsing-using-jaxb-2-0/
【讨论】：
文档投影可能是这里的答案。 Saxon 和许多其他 XQuery 处理器提供了这个选项。如果您有一个从大型文档中选择少量数据的相当简单的查询，则查询处理器会分析查询以确定树的哪些部分需要可用于查询，哪些部分可以在处理过程中丢弃。生成的树通常只有完整文档大小的 1%。撒克逊人的详细信息：
【讨论】：