如何从 Java 中的 xml 文件中提取大量字符

Question

我有一个大的 xml 文件，我不想解析它，我只想存储<information>...</information>之间的每个字符，它们是 xml 文件中的标签。

我怎样才能做到这一点？

Answer 1

如果问题是您尝试提取的数据适合 memory，但整个 XML 文件不适合，则使用流式解析器，例如XPP 。

Answer 2

如果不解析文件，您将无法准确找到<information>元素中的字符。 你可以做一些在 99% 的时间里都有效的事情，但是当有人做了你没想到的事情时它会中断，比如在开始标签中放置空格，或者有一个注释掉的<information>元素，或者把部分外部实体中的<information>元素。

硬着头皮。 如果是 XML，则需要 XML 解析器来读取它。

Answer 3

您可能想解释为什么您不想解析它，因为这将有助于建议其他解决方案。

话虽如此，如果您可以为该节点构建 XPath，您始终可以使用 XPath 获取该信息。 请参阅本教程。

更新

鉴于新信息，这不是您想要的解决方案。 如果您想将 xml 视为字符串，则将其读入 StringBuilder（StringBuffer 的更快、线程不安全的版本）是您最好的选择。 如果您在使用 StringBuffer 时遇到问题，请发布您尝试过的代码和错误消息。 它的最大尺寸是java.lang.Integer.MAX_VALUE ，即 2147483647。

Answer 4

考虑到您不想使用解析器并且只想提取两个标签之间的所有字符，我宁愿建议您将 xml 内容提取为字符串，并使用简单的正则表达式匹配来提取两个标签。