Lendo um único documento XML a partir de um fluxo usando dom4j

Question

Eu estou tentando ler um único documento XML de fluxo em um tempo usando dom4j, processá-lo, em seguida, avançar para o próximo documento no fluxo. Infelizmente, SAXReader do dom4j (usando JAXP debaixo das cobertas) mantém a leitura e engasga com o seguinte elemento do documento.

Existe uma maneira de obter o SAXReader parar de ler o fluxo uma vez que encontra o final do elemento do documento? Existe uma maneira melhor de fazer isso?

Answer 1

Eu era capaz de chegar a este trabalho com alguma ginástica usando algumas classes JAXP interna:

• Criar um scanner de costume, uma subclasse de XMLNSDocumentScannerImpl
  • Criar um driver personalizado, uma implementação de XMLNSDocumentScannerImpl.Driver, dentro do scanner personalizado que retorna END_DOCUMENT quando vê uma declaração ou um elemento. Obter o ScannedEntity de fElementScanner.getCurrentEntity (). Se a entidade tem uma PushbackReader, empurrar para trás os restantes caracteres não lidos no buffer de entidade para o leitor.
  • No construtor, substitui o fTrailingMiscDriver com uma instância desse driver personalizado.
• Crie uma classe de configuração personalizada, uma subclasse de XIncludeAwareParserConfiguration, que substitui o DOCUMENT_SCANNER estoque com uma instância de este scanner personalizada em seu construtor.
• Instale uma instância desta classe de configuração personalizada como a propriedade "com.sun.org.apache.xerces.internal.xni.parser.XMLParserConfiguration" por isso vai ser instanciado quando tenta classe SAXReader de DOM4J para criar uma JAXP XMLReader.
• Ao passar um leitor com o método de dom4j SAXReader.read (), forneça um PushbackReader com um tamanho de buffer consideravelmente maior do que o padrão de um personagem. Pelo menos 8192 deve ser suficiente para suportar o tamanho do buffer padrão do XMLEntityManager dentro cópia do JAXP de Apache2.

Esta não é a solução mais limpa, uma vez que envolve subclassificação aulas JAXP internos, mas ela não funciona.

Answer 2

Provavelmente, você não quer ter mais de um documento na mesma corrente, ao mesmo tempo. Eu não acho que o SAXReader é inteligente o suficiente para parar quando se chega ao fim do primeiro documento. Por que é necessário ter vários documentos na mesma corrente como este?

Answer 3

Eu acho que você tem que adicionar um adaptador, algo para quebrar o fluxo e ter esse efeito coisa retorno de arquivo quando ele vê o início do próximo documento. Tanto quanto eu sei, os analisadores como está escrito, vai até o fim do arquivo ou um erro ... e vendo outra <?xml version="1.0"?> certamente seria um erro.

Answer 4

Supondo que você é responsável pela colocação de documentos na corrente, em primeiro lugar deve ser fácil de delimitar os documentos de alguma forma. Por exemplo:

// Any value that is invalid for an XML character will do.
static final char DOC_TERMINATOR=4;

BOOL addDocumentToStream(BufferedWriter streamOut, char xmlData[])
{
  streamOut.write(xmlData);
  streamOut.write(DOC_TERMINATOR);
}

Em seguida, quando a leitura do fluxo de ler em uma matriz até DOC_TERMINATOR é encontrado.

char *getNextDocuument(BufferedReader streamIn)
{
  StringBuffer buffer = new StringBuffer();
  int character;

  while (true)
  {
    character = streamIn.read();
    if (character == DOC_TERMINATOR)
      break;

    buffer.append(character);
  }
  return buffer.toString().toCharArray();
}

Desde 4 é um valor de caractere inválido você não vai encontrar, excepto quando você adicioná-lo explicitamente. Assim, o que lhe permite dividir os documentos. Agora é só embrulhar a matriz de char resuling para entrada em SAX e seu bom para ir.

...
  XMLReader xmlReader = XMLReaderFactory.createXMLReader();
...
  while (true)
  {
    char xmlDoc = getNextDocument(streamIn);

    if (xmlDoc.length == 0)
      break;

    InputSource saxInputSource = new InputSource(new CharArrayReader(xmlDoc));
    xmlReader.parse(saxInputSource);
  }
...

Note que os termina loop quando ele recebe um documento de comprimento 0. Isso significa que você deve ou adicionar um segundo DOC_TERMINATOR após o último documento de você precisa adicionar algo para detectar o fim do fluxo em getNextDocument ().

Answer 5

Eu tenho feito isso antes por wrappering o leitor base com um outro leitor de minha própria criação que tinha capacidade de análise muito simples. Supondo que você sabe a marca de fechamento para o documento, o invólucro simplesmente analisa para um jogo, por exemplo, para "". Quando ele detecta que ele retorna EOF. O invólucro pode ser feito adaptável ao analisar a primeira marca de abertura e retornando EOF na tag de fechamento correspondente. Achei que não era necessário para detectar realmente o nível para a marca de fechamento desde nenhum documento que eu tinha usado o tag documento dentro de si, por isso foi garantido que a primeira ocorrência da tag de fechamento terminou o documento.

Se bem me lembro, um dos truques era ter o bloco invólucro close (), uma vez que o leitor DOM fecha a fonte de entrada.

Assim, dada entrada Reader, seu código pode olhar como:

SubdocReader sdr=new SubdocReader(input);
while(!sdr.eof()) {
    sdr.next();
    // read doc here using DOM
    // then process document
    }
input.close();

O método EOF () retorna true se EOF é encontrado. Os próximos () bandeiras método o leitor a parar de retornar -1 para read ().

Esperemos que este lhe pontos em uma direção útil.

- Kiwi.

Answer 6

lia o fluxo de entrada para uma memória intermédia interna. Dependendo do tamanho total do fluxo esperado GOSTARIA ou ler todo o fluxo e, em seguida, analisá-lo ou detectar a fronteira entre um xml ea próxima (procure

A única diferença real, em seguida, entre a manipulação de um riacho com um xml e um riacho com vários xmls é a lógica de buffer e dividida.