如何使用Perl XML SAX解析器创建XML :: Simple数据结构？

Question

简介:我正在寻找一个快速的XML解析器(很可能是一些标准SAX解析器的包装器),它将生成与XML :: Simple生成的每个记录数据结构100%相同的每个记录数据结构.

细节:

我们有一个庞大的代码基础结构,它依赖于处理记录,并且希望记录是XML :: Simple生成的格式的数据结构,因为它从早期的侏罗纪时代就一直使用XML :: Simple.

一个简单的XML示例是:

<root>
    <rec><f1>v1</f1><f2>v2</f2></rec>
    <rec><f1>v1b</f1><f2>v2b</f2></rec>
    <rec><f1>v1c</f1><f2>v2c</f2></rec>
</root>

例如粗略的代码是:

sub process_record { my ($obj, $record_hash) = @_; # do_stuff }
my $records = XML::Simple->XMLin(@args)->{root};
foreach my $record (@$records) { $obj->process_record($record) };

众所周知,XML :: Simple很简单.更重要的是,由于是一个DOM解析器并且需要在内存中构建/存储100%的数据,因此它非常慢且内存耗尽.因此,它不是解析包含大量小记录的XML文件的最佳工具.

但是,重写整个代码(包含大量"process_record"类似方法)来使用标准SAX解析器似乎是一项不值得资源的大任务,即使以使用XML :: Simple为代价也是如此.

我正在寻找一个现有的模块,它可能基于一个SAX解析器(或任何快速,内存占用很少),可以用来$record根据上面的图片逐个生成hashrefs,可以传递给$obj->process_record($record)100 %与XML :: Simple的hashrefs相同.

我不在乎新模块的界面是什么; 例如,我是否需要调用next_record()或给它一个接受记录的回调代码.

Answer 1

XML::Twig有一个简化方法,你可以调用XML元素,根据文档说:

返回一个与XML :: Simple相似的数据结构

这是一个例子:

use XML::Twig;
use Data::Dumper;

my $twig = XML::Twig->new(
    twig_handlers => {
        rec => \&rec,
    }
)->parsefile( 'data.xml' );


sub rec {
    my ($twig, $rec) = @_;
    my $data = $rec->simplify;
    say Dumper $data;
    $rec->purge;
}

NB.在$消遣- >清除立即从内存中清除出来的记录.

针对XML示例运行此操作会产生以下结果:

$VAR1 = {
          'f1' => 'v1',
          'f2' => 'v2'
        };

$VAR1 = {
          'f1' => 'v1b',
          'f2' => 'v2b'
        };

$VAR1 = {
          'f1' => 'v1c',
          'f2' => 'v2c'
        };

我希望可疑的是XML :: Simple :)

/ I3az /

Answer 2

作为XML :: Simple的作者,我想纠正你的问题中的一些误解.

XML :: Simple不是DOM解析器,实际上它根本不是解析器.它将所有解析任务委托给SAX解析器或XML :: Parser.解析的速度取决于系统上默认的解析器模块.当您为XML :: Simple分发运行'make test'时,输出将列出默认解析器.

如果你的系统上的默认解析器是XML :: SAX :: PurePerl,那么它将是缓慢的,更重要的是也是错误的.如果是这种情况,那么我建议安装XML :: Expat或XML :: ExpatXS以立即加速.(最后安装的SAX解析器将是该点的默认值).

话虽如此,你的要求有点矛盾,你想要的东西可以将你的整个文档作为哈希返回,但你不希望解析器将整个文档丢入内存.

我了解您的短期目标,但作为一个长期解决方案,我建议您将代码迁移到XML :: LibXML.它是一个DOM解析器,但速度非常快,因为所有繁琐的工作都是用C语言完成的.最重要的是内置的XPath支持使它比XML :: Simple更简单易用 - 请参阅本文.