如何從 Java 中的 xml 文件中提取大量字符

Question

我有一個大的 xml 文件，我不想解析它，我只想存儲<information>...</information>之間的每個字符，它們是 xml 文件中的標簽。

我怎樣才能做到這一點？

Answer 1

如果問題是您嘗試提取的數據適合 memory，但整個 XML 文件不適合，則使用流式解析器，例如XPP 。

Answer 2

如果不解析文件，您將無法准確找到<information>元素中的字符。 你可以做一些在 99% 的時間里都有效的事情，但是當有人做了你沒想到的事情時它會中斷，比如在開始標簽中放置空格，或者有一個注釋掉的<information>元素，或者把部分外部實體中的<information>元素。

硬着頭皮。 如果是 XML，則需要 XML 解析器來讀取它。

Answer 3

您可能想解釋為什么您不想解析它，因為這將有助於建議其他解決方案。

話雖如此，如果您可以為該節點構建 XPath，您始終可以使用 XPath 獲取該信息。 請參閱本教程。

更新

鑒於新信息，這不是您想要的解決方案。 如果您想將 xml 視為字符串，則將其讀入 StringBuilder（StringBuffer 的更快、線程不安全的版本）是您最好的選擇。 如果您在使用 StringBuffer 時遇到問題，請發布您嘗試過的代碼和錯誤消息。 它的最大尺寸是java.lang.Integer.MAX_VALUE ，即 2147483647。

Answer 4

考慮到您不想使用解析器並且只想提取兩個標簽之間的所有字符，我寧願建議您將 xml 內容提取為字符串，並使用簡單的正則表達式匹配來提取兩個標簽。