是否有可能使用Groovy解析子树XMLSlurper

Question

有谁知道是否有可能以某种方式利用XMLSlurper，这意味着可以从一个非常大的XML文档中提取各个子树并单独进行处理？

想象一下，您已经获得了一个巨大的XML feed，其中包含一个具有数千个可以单独处理的直接子元素的根元素。很明显，将整个文档读入内存是一个不容否认的问题，但由于每个子节点的大小本身不大，因此在整个文档中进行流式处理会很好，但可以依次对每个子元素应用XMLSlurper。在处理每个子元素时，垃圾回收可以清理用于处理它的内存。通过这种方式，我们可以非常轻松地使用XMLSlurper（如此简洁的语法）和低流量的内存占用（例如SAX）。

我很想知道，如果有人对此有任何想法和/或你是否已经遇到了这个要求。

Answer 1

初始化一个XmlSlurper实例表示调用其超载的parse(..)方法之一（或方法parseText(String)）。在这次调用之后，XmlSlurper将（至少使用SAX事件）构造一个内存为GPathResult的存储XML元素和属性及其结构的完整信息。

所以，不，不XmlSlurper不提供的API来解析XML文档的部分，只。

什么可以做到，extend荷兰国际集团XmlSlurper，覆盖parse*(..)方法通过using a custom SAX handler预处理所述XML，XML收集的所需部分，并转发这些到的XmlSlurper.parse*(..)方法之一。

Answer 2

您可以使用StAX API和XmlSlurper来解析子树。

// Example of using StAX to split a large XML document and parse a single element using XmlSlurper 

import javax.xml.stream.XMLInputFactory 
import javax.xml.stream.XMLStreamReader 
import javax.xml.transform.Transformer 
import javax.xml.transform.TransformerFactory 
import javax.xml.transform.sax.SAXResult 
import javax.xml.transform.stax.StAXSource 

def url = new URL("http://repo2.maven.org/maven2/archetype-catalog.xml") 
url.withInputStream { inputStream -> 
    def xmlStreamReader = XMLInputFactory.newInstance().createXMLStreamReader(inputStream) 
    def transformer = TransformerFactory.newInstance().newTransformer() 
    while (xmlStreamReader.hasNext()) { 
     xmlStreamReader.next() 
     if (xmlStreamReader.isStartElement() && xmlStreamReader.getLocalName() == 'archetype') { 
      // Example of splitting a large XML document and parsing a single element with XmlSlurper at a time 
      def xmlSlurper = new XmlSlurper() 
      transformer.transform(new StAXSource(xmlStreamReader), new SAXResult(xmlSlurper)) 
      def archetype = xmlSlurper.document 
      println "${archetype.groupId} ${archetype.artifactId} ${archetype.version}" 
     } 
    } 
}