Использование Sax parser на xml-файле внутри zip

Это может быть за пределами возможностей Java VM из-за размера обрабатываемых файлов (50-100 МБ xml-файлов)

Прямо сейчас у меня есть набор xml-файлов, отправленных в виде zips, которые, в свою очередь, все распаковываются, а затем все XML-файлы в каталоге обрабатываются по одному с помощью SAX.

Чтобы сэкономить время и пространство (так как сжатие составляет около 1:10), мне было интересно, есть ли способ передать ZipFileEntry, который является xml-файлом, обработчику SAX.

Я видел, как это делается с помощью DocumentBuilder и другие методы синтаксического анализа xml, но для peformance (и особенно памяти) я придерживаюсь SAX.

В настоящее время я использую SAX следующим образом 

        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser saxParser = factory.newSAXParser();

        MyHandler handler = new MyHandler();

        for( String curFile : xmlFiles )
        {
            System.out.println( "nnt>>>>> open " + curFile + " <<<<<n");
            saxParser.parse( "file://" + new File( dirToProcess + curFile ).getAbsolutePath(), handler );
        }
2 4
xml-parsing saxparser

2 ответа:

Вы можете проанализировать XML, используя InputStream в качестве источника. Таким образом, вы можете открыть ZipFile, получить входной поток нужной записи, а затем проанализировать его. Смотрите методgetInputStream .

---- Edit - - - -

Вот некоторый код, который поможет вам: 

for( String curFile : xmlFiles )
{
        ZipFile zip = new ZipFile(new File( dirToProcess + curFile));
        Enumeration<? extends ZipEntry> entries = zip.entries();
        while (entries.hasMoreElements()){
            ZipEntry entry = entries.nextElement();
            InputStream xmlStream = zip.getInputStream(entry);
            saxParser.parse( xmlStream, handler );
            xmlStream.close();
        }
}
7
  • ZipInputStream.read() прочитал бы x количество байт из ZipFileEntry, распаковал бы их и дал вам распакованные байты.
  • Используйте любой из методов здесь для создания потока ввода/вывода.
  • передайте этотвходящий/исходящий поток как InputStream вашему синтаксическому анализатору.
  • начните записывать распакованные данные в поток in/out (теперь обрабатывается как OutputStream).
  • Итак, теперь Вы читаете куски данных из zip-файла, распаковываете их и передаете синтаксическому анализатору.

PS:

  1. Если zip-файл содержит несколько файлов смотрите это: извлекая содержимое записей ZipFile при чтении из byte [] (Java) , вы должны будете поставить такую проверку, чтобы вы знали, когда вы достигнете конца записи.
  2. я не очень разбираюсь в Sax parser, но предполагаю, что он будет разбирать файл таким образом (когда дается кусками).

- - - edit - - -

Вот что я имел в виду: 

import java.io.File;
import java.io.InputStream;
import java.io.PipedInputStream;
import java.io.PipedOutputStream;
import java.util.Enumeration;
import java.util.zip.ZipEntry;
import java.util.zip.ZipFile;

import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

public class Main {
    static class MyRunnable implements Runnable {

        private InputStream xmlStream;
        private SAXParser sParser;

        public MyRunnable(SAXParser p, InputStream is) {
            sParser = p;
            xmlStream = is;
        }

        public void run() {
            try {
                sParser.parse(xmlStream, new DefaultHandler() {
                    public void startElement(String uri, String localName, String qName, Attributes attributes)
                            throws SAXException {
                        System.out.println("\nStart Element :" + qName);
                    }

                    public void endElement(String uri, String localName, String qName) throws SAXException {
                        System.out.println("\nEnd Element :" + qName);
                    }
                });
                System.out.println("Done parsing..");
            } catch (Exception e) {
                e.printStackTrace();
            }
        }

    }

    final static int BUF_SIZE = 5;
    public static void main(String argv[]) {

        try {

            SAXParser saxParser = SAXParserFactory.newInstance().newSAXParser();

            ZipFile zip = new ZipFile(new File("D:\\Workspaces\\Indigo\\Test\\performance.zip"));
            Enumeration<? extends ZipEntry> entries = zip.entries();
            while (entries.hasMoreElements()) {
                // in stream for parser..
                PipedInputStream xmlStream = new PipedInputStream();
                // out stream attached to in stream above.. we would read from zip file and write to this..
                // thus passing whatever we write to the parser..
                PipedOutputStream out = new PipedOutputStream(xmlStream);
                // Parser blocks in in stream, so put him on a different thread..
                Thread parserThread = new Thread(new Main.MyRunnable(saxParser, xmlStream));
                parserThread.start();

                ZipEntry entry = entries.nextElement();
                System.out.println("\nOpening zip entry: " + entry.getName());
                InputStream unzippedStream = zip.getInputStream(entry);

                byte buf[] = new byte[BUF_SIZE]; int bytesRead = 0;
                while ((bytesRead = unzippedStream.read(buf)) > 0) {
                    // write to err for different color in eclipse..
                    System.err.write(buf, 0, bytesRead);
                    out.write(buf, 0, bytesRead);
                    Thread.sleep(150); // theatrics...
                }

                out.flush();
                // give parser a couple o seconds to catch up just in case there is some IO lag...
                parserThread.join(2000);

                unzippedStream.close(); out.close(); xmlStream.close();
            }

        } catch (Exception e) {
            e.printStackTrace();
        }

    }
}
1