如何在Java中高效地替换XML文档中的字符？

我正在寻找一种简洁高效的方法来替换XML文档中的字符。有一个为近12000个UTF-8字符定义的替换表，其中大多数字符将替换为单个字符，但有些字符必须替换为两个甚至三个字符（例如，希腊语θ应变为TH）。这些文档可能很大（100MB+）。如何在Java中实现它？我提出了使用XSLT的想法，但我不太确定这是否是最好的选择。

看看SAX，它允许您在XML文档的每个部分经过时查看它们。然后可以对文本节点执行操作，并执行所需的操作

---

XSLT的问题是，大多数实现都需要在内存中保存整个输入树，通常是磁盘大小的10倍。我只知道Saxon XSLT transformer的商业版，它可以执行流式XSLT（但这非常适合您的需要）

根据我的经验，String.replace（..）非常慢。我曾经使用该API解析100MB KML文件，但性能很差。然后，我使用Pattern.compile（..）预编译了正则表达式，这大大加快了运算速度。

很好。由于不需要将其视为XML，我完全忘记了考虑它的Java部分的最佳解决方案。定义了一个包含12000个替换项的大型映射表。这就是为什么我考虑将映射加载到HashMap，然后根据该映射检查XML标记文本内容的每个字符。那又如何呢？是的，我认为您需要该映射表，无论它是在映射中，还是存储在数据库中，并且让Hibernate为您处理缓存。也许，您可以使用一个预编译正则表达式来扫描整个XML，首先查找非字母数字字符，然后针对这些字符中的每一个，对照映射检查是否存在这样的字符，如果存在，则创建另一个预编译正则表达式来执行特定的字符替换。也许，这不是最好的解决方案，但我只是在这里抛出一些想法。为了给我的上述策略添加更多内容，关键是如果不需要的话，不要循环使用整个12K键。谢谢limc。这就是我们决定要做的。我们将使用regexp检查文本值是否有任何非标准字符，然后使用映射（在内存中）执行替换。一个好方法是创建一个16位查找表，并使用字符值执行查找和替换。这就是XML解析器检查字符的方法validity@vtd-xml作者：你是说它只适用于Unicode 3.0？对于包含65535以上代码点的UTF-8编码XML文件，这将如何工作？这一点很好。根据这个问题，它似乎不会超过16位，因为帖子说这些字符“被两个甚至三个字符替换”@vtd xml作者：呃：）我实际上是在问关于您提到的xml解析器检查字符有效性的问题：它们不支持Unicode 3.1+还是除了查找表之外还使用了其他一些技巧（这是我非常喜欢的想法）？我的意思是，解析UTF-8文件的XML解析器应该接受Unicode 3.1和更新的代码点，对吗？！（我被您提到的16位查找表弄糊涂了：）简单的回答是xml解析器会检查16位以上字符的有效性，这部分是通过使用简单的比较来完成的