SAX ayrıştırıcısını kullanarak büyük XML dosyalarını ayrıştırma (bazı satırları/etiketleri atla)

Question

Şu anda SAX kullanarak internetten veri alan bir uygulama geliştiriyorum. Google Weather API gibi basit XML dosyalarını ayrıştırmak için daha önce kullandım. Bununla birlikte, ilgilendiğim web siteleri bir sonraki seviyeye ayrıştırmaktır. Sayfa çok büyük ve dağınık görünüyor. Sadece bazı belirli satırları almam gerek; gerisi benim için uygun değil.
Bu gereksiz satırları/etiketleri atlamak mümkün mü yoksa adım adım mı gitmem gerekiyor?

Answer 1

Evet, atlayabilirsiniz. Sadece istediğiniz etiketi tanımlayın ve sadece bu etiket değerlerini getirin.

Answer 2

Xml'nizi ayrıştırmak için sahnenin arkasında SAX kullanacak XPath kullanmayı deneyebilirsiniz. Buradaki dezavantaj, Xpath değerlendirme yönteminin her çağrısında XML'in ayrıştırılacağıdır. Daha sonra DOM çözümleyici SAX parser..SAX ayrıştırıcı çok daha hızlıdır

Answer 3

Sen

Answer 4

Evet sadece etiketleri yok, bunu yapabilir .. Eğer büyük XML dosyalarını ayrıştırmak istiyorsanız yararlıdır özel etiketleri okumak istiyorum Eğer ilgilenmiyor. Ama ilginç parçaları alma için ayrıştırılabilir XML belgesi ve XPath oluşturmak için TagSoup bir kombinasyonunu deneyebilirsiniz

public startElement(String uri, String localName, 
    String qName, Attributes attributes) { 
    if(localName.equals("myInterestingTag") { 
    // do your thing.... 
    } 
} 

public void endElement(String uri, String localName, String qName) { 
    if(localName.equals("myInterestingTag") { 
    // do your thing.... 
    } 
} 

public void characters(char[] ch, int start, int length) { 
    // if parsing myinteresting tag... do some stuff. 
} 

Answer 5

tüm belge bu (DefaultHandler impl) göre ayrıştırılır zorunda unutmayın .

Answer 6

atlamak için SAX kullanarak bir strateji için de benzer bir soruya cevabım/etiketleri yok Bakınız: Bu XMLReader üzerine ContentHandlers anahtarlama içerir

Skipping nodes with sax

. XML belgesinin bir portunu okurken, atlamak istediğinizde, sadece bir ContentHandler içinde, olaylarla hiçbir şey yapmadan değiştiriniz. Göz ardı edilecek bölümün sonuna ulaşıldığında, XML içeriğini işlemek için kullandığınız içerik işleyicisine geri denetimden geçirir.

Answer 7

Commons-digester'ı severim. Belirli etiketlere karşı kurallar belirlemenizi sağlar. Kural, yalnızca etiketle karşılaştığında yürütülür.

Digester sax üzerinde inşa edilmiştir ve bu nedenle tüm sax özelliklerine ve belirli etiketlerin seçici olarak ayrıştırılması için gerekli olan özgüllüğe sahiptir. Ayrıca, karşılık gelen etiketle karşılaşıldığında ve öğe bittiğinde yeni öğelerle itilen bir yığını kullanır.

Tüm yapılandırma dosyalarımı ayrıştırmak için kullanıyorum. http://commons.apache.org/digester/