在C#（.NET2.0）中区分大型XML文件

我有点不得不使用.NET2.0，所以LINQXML不可用，尽管我对它的比较感兴趣

我必须编写一个内部程序来下载、提取和比较一些大型XML文件（每个文件大约10兆），这些文件基本上都是构建配置。我第一次尝试使用库，例如，但比较文件需要2-3分钟，即使忽略空白、名称空间等（我一次测试每个忽略一个，以尝试找出最快的速度）。我试图实现我自己的想法-XmlDocument对象中的节点列表，根的直接子代（顺便说一下，45000个子代）的键字典，它们指向int以指示XML文档中的节点位置。。。所有这些都至少花了2分钟运行

我的最终实现在1-2秒内完成——我使用几行上下文对diff进行了系统进程调用，并保存了这些结果以显示（谢天谢地，我们的开发机器包括cygwin）

我忍不住想，有一种更好的、特定于XML的方法可以做到这一点，它的速度与纯文本差异一样快——特别是因为我真正感兴趣的是作为每个直系后代的子元素的Name元素，并且为了我的目的可以丢弃文件的4/5（我们只需要知道包含哪些文件，而不需要知道任何其他涉及语言或版本的内容）

因此，尽管XML很流行，但我相信一定有人做过类似的事情。比较这些大型XML的快速有效方法是什么？（首选开源或免费）

编辑：一个节点示例-我只需要找到缺少的名称元素（也有超过45k个节点）

某个文件
10.234
加州，美国
EN
废话
N

XmlDocument source=new XmlDocument（）；
Load（“source.xml”）；
字典文件=新字典（）；
foreach（source.SelectNodes（“//文件”）中的XmlNode文件）
files.Add（file.SelectSingleNode（“./name”）.InnerText，file）；
XmlDocument source2=新的XmlDocument（）；
加载（“source2.xml”）；
XmlNode值；
foreach（source2.SelectNodes（“//文件”）中的XmlNode文件）
if（files.TryGetValue（file.SelectSingleNode（“./name”）.InnerText，out值））
//此文件位于source和source2中。
其他的
//此文件仅在source2中。

---

我不确定你到底想要什么，我希望这个例子能帮助你完成你的任务。

区分XML有很多方法。不过，你对细节不是很具体。事实上，文件很大，你只需要4/5的信息

那么算法如下所示：

• 将文档规范化并简化为重要信息
• 保存结果
• 比较结果

以及实施：

• 使用，这是有效的，以产生您的信息的纯文本表示。为什么纯文本表示？因为diff工具基于存在纯文本的假设。我们的眼球也是如此。为什么

  XmlReader

  ？您可以使用SAX，这是内存有效的，但是

  XmlReader

  更有效。至于纯文本文件的精确规格…您只是没有包含足够的信息
• 将纯文本文件保存到某个临时目录
• 使用命令行diff实用程序可以获得一些diff输出。是的，我知道，这不是纯粹的和正确的，但它是开箱即用的，并且没有编码要做。如果你熟悉一些C#diff API（我不熟悉），那么，当然可以使用该API
• 删除临时文件。（如果要重复使用，可以选择保留它们。）

---

请提供更多的上下文。您需要什么样的输出？您想要什么样的差异？@Robert Harvey-我已经浏览了该页面，没有luck@Drake：嗯，佩奇得出的结论是，用Linq将您自己的解决方案转换为XML相对简单。如果这仅仅是“购物”问题，这并不是真正的主题。是的，这就是我到目前为止所做的，而且效果很好，只是希望有一个更“XML”比纯文本更有效diff@DrakeClarris，这里的关键洞察是XML和diff输出根本不匹配和结合。这就是为什么希望使用更XML的方式做事情是没有意义的。你也可以希望使用更角度的方式来滚动轮子。我以前试过一本字典，但出于任何原因，在我的大脑中，我认为T将更有效地将索引存储到节点列表中使用（不能真的说为什么，我想在错误的方向上思考）。这花了几分钟。给了一个镜头-并且工作得很好，几乎和纯文本扩散一样快。不知道为什么我没有考虑将引用存储到实际节点而不是…

<file>
     <name>SomeFile</name>
     <version>10.234</version>
     <countries>CA,US</countries>
     <languages>EN</languages>
     <types>blah blah</types>
     <internal>N</internal>
</file>

XmlDocument source = new XmlDocument();
source.Load("source.xml");
Dictionary<string, XmlNode> files = new Dictionary<string, XmlNode>();
foreach(XmlNode file in source.SelectNodes("//file"))
    files.Add(file.SelectSingleNode("./name").InnerText, file);

XmlDocument source2 = new XmlDocument();
source2.Load("source2.xml");
XmlNode value;
foreach(XmlNode file in source2.SelectNodes("//file"))
    if (files.TryGetValue(file.SelectSingleNode("./name").InnerText, out value))
      // This file is both in source and source2.
    else
      // This file is only in source2.