使用SAX解析器解析大型XML文件（跳过一些行/标签）

Question

我目前正在开发一个应用程序，使用SAX从互联网检索数据。我之前使用它来解析简单的XML文件，例如Google Weather API。但是，我感兴趣的网站将解析提升到了一个新的水平。页面很大，看起来很乱。我只需要检索一些特定的行;其余的对我没有用处。
是否可以跳过那些无用的行/标签，还是我必须一步一步来？

Answer 1

是的，你可以跳过。只需定义你想要的标签，它只会获取这些标签值。

Answer 2

您可以尝试使用将在场景后使用SAX来解析xml的XPath。这里的缺点是XML将在每次调用Xpath评估方法时被解析。

Answer 3

你要读取特定的标签，然后DOM解析器比SAX解析器parser..SAX快很多，如果你想大解析XML文件是非常有用的..

Answer 4

是的，你可以做到这一点，只是忽略标签你不感兴趣。但是注意，整个文件将被解析为这个（DefaultHandler的IMPL）

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

您可以尝试为获取有趣的部分创建一个解析的XML文档和XPath TagSoup组合。

Answer 6

见我的回答对使用SAX跳过的策略类似的问题/忽略标签：

Skipping nodes with sax

它涉及XMLReader可以切换ContentHandlers。当您阅读移植XML文档时，您只需交换一个与事件无关的ContentHandler即可。当要被忽略的部分结束时，它将控制权交还给用于处理XML内容的内容处理程序。

Answer 7

我喜欢普通消化器。它允许您指定针对特定标签的规则。规则只有在遇到标签时才会执行。

消化器建立在萨克斯之上，因此具有所有萨克斯特征以及选择性解析特定标签所需的特异性。它还使用了一个堆栈，当遇到相应的标记时，它会使用新元素推送，并在元素结束时弹出。

我用它来解析我所有的配置文件。

退房沼气池在http://commons.apache.org/digester/