SAX字符缓冲区大小

Question

我正在尝试使用Sax来解析非常大的XML文件.100的megs.问题是Parser一次读取正好2048个字符并终止.我使用回调"public void characters(...)"将标签的值分为两部分.例如,第一部分位于位置2044的字符数组中,长度为4"2013"​​,第二部分位于位置0的第二部分"-09-30",长度为6.应该是日期值"2013-09-30"如果收到一个部分.何我可以避免这种分裂？有人可以帮帮我吗？

    public void characters(char[] ch, int start, int length) throws SAXException {
    if (Main.errorProceso==0){
    for(int i=0;i < strlista.size();i++){
    if(strlista.get(i).equals(sEtiqueta_actual)){
    if (sEtiqueta_actual.equals("Root.Header.Body.")){
    String FileNm= String.valueOf(ch, start, length);
    if (!FileNm.substring(0,2).equalsIgnoreCase("XX")){
    logger.info("El identificador no es XX");
    Main.errorProceso=1;
    i=strlista.size()+1;
    sEtiqueta_actual="";
    }
    else{
    sCod_Fichero=FileNm.substring(0,2)+XXteFormat.format(XXte);
    }
    }
    else if (sEtiqueta_actual.equals("Root.Header.Date.")){
    String aux = String.valueOf(ch, start, length).split("T")[0];
    try {
    sFec=newFormat.format(oldFormat.parse(aux));
    } catch (ParseException e) {
    logger.error(e.getLocalizedMessage());
    Main.errorProceso=1;
    }
    }
    else if (sEtiqueta_actual.equals("Root.Header2.Body2.")){
    sNum_Total=String.valueOf(ch, start, length);
    }
    else if (sEtiqueta_actual.equals("Root.Header3.Body3.Spcf.Inst.")){
    sImp =String.valueOf(ch, start, length);
    }
    .
    .
    .
    else if (sEtiqueta_actual.equals("Root.Header3.Body3.Spcf.Req.")){
    try {
    sFec2=newFormat.format(oldFormat.parse(String.valueOf(ch, start, length)));
    } catch (ParseException e) {
    logger.error(e.getLocalizedMessage());
    Main.errorProceso=1;
    }
    }
    }
    }

Answer 1

这就是SAX解析器的工作方式.如果你可以增加缓冲区大小(我不知道如何做到这一点),它将无济于事; 它只会减少你将价值分成碎片的次数.

SAX解析器可以随意分割字符串(文档).它这样做是为了提高效率; 避免使用记忆; 为了简化实施; 或者图书馆开发人员提出的任何其他原因.

所以如果你想把你的琴弦放在一块,你需要自己动手.一个简单的解决方案,假设您永远不需要使用子元素累积字符串值:

• 添加StringBuffer accumulator到您的实现类,以及isAccumulating标志.
• 在startElement,如果元素是感兴趣的,设置isAccumulating标志.
• 在characters,如果isAccumulating设置了标志,则将字符附加到累加器.
• 在endElement,如果isAccumulating设置了标志,请对累积的字符串执行任何操作,然后清除该标志并清空缓冲区.

如果您可能需要使用子元素收集值,则可以isAccumulating从标志更改为整数深度计数器.startElement如果计数器大于0,则递增计数器;如果元素需要收集其值,则将计数器设置为1.characters如果计数器大于0,则附加字符.如果计数器大于endElement零,则递减计数器;如果结果为0,则处理然后清除累加器.