在拆分或grep后保留XML名称空间

我有一个巨大的xml文件（几GB），我可以用xml_split分割它，或者用xml_grep提取相关的子节点。如果我试图读取整个XML，内存就会耗尽

但是，当我试图解析一个被拆分的文件或grep:ed文件时，我无数次地收到错误“yy上的名称空间前缀xx未定义”

有没有办法将名称空间定义从原始文件复制到拆分文件或grep:ed文件？还是我误解了错误

我对XML非常陌生，我发现XML:：TWIG很有用。下面是我使用的grep命令：

xml_grep --root 'SubInformation' --cond 'SubInformationName[string()="Blah"]' Infile.xml > Outfile.xml

---

要处理大型XML文件，还可以使用pull解析器。请参阅。

您使用哪个工具来解析拆分结果（或grep）

xmllint

（来自

libxml2

）抱怨，但

xmlwf

（来自

expat

）没有抱怨。所以我认为任何基于expat的工具都可以使用XML，但不能使用基于libxml2的工具

看起来

xml\u split

和

xml\u grep

可以声明名称空间。至少这应该是一种选择。我来看看

同时，这里有一种快速、肮脏的方法来对使用

xml\u grep

得到的结果进行后处理：

xml_grep --root 'SubInformation' --cond 'SubInformationName[string()="Blah"]' Infile.xml | perl -MXML::Twig -e'XML::Twig->new( start_tag_handlers => { xml_grep => sub { $_->set_att( "xmlns:m" => "http://m.org") }, SubInformation => sub { $_->flush } })->parse( \*STDIN)' > Outfile.xml

替换

xmlns:m

和

”http://m.org“

中包含适当的值

让我为

xml\u split

的结果想出一种通用的方法。我是否可以假定名称空间声明不是太复杂（即前缀只声明一次）

编辑：在infle.xml上运行

xml\u split

后，可以将名称空间声明添加到由

xml\u split

生成的文件中，称之为

add\ns infle

：

#!/usr/bin/perl

use strict;
use warnings;

use XML::Twig;

my $root= shift @ARGV;

my( $base, @files)= sort glob( "$root-*.xml");

my %ns= ns_for_file( $base);

foreach my $file (@files)
  { add_ns( $file, %ns); }


sub ns_for_file
  { my( $base)= @_;
    my %ns;
    XML::Twig->new( start_tag_handlers
      # get namespace declarations from the root and bail
      => { 'level(0)' => sub { %ns= ns_for_tag( $_); 
                               $_[0]->finish_now(); 
                             } 
         },
                  )
             ->parsefile( $base);
    return %ns;
  }

# get all namespace declarations from the root element
sub ns_for_tag
  { my( $e)= @_;
    return map { $_ => $e->att( $_) if m{^xmlns:} } $e->att_names;
  }

sub add_ns
  { my( $file, %ns)= @_;
     XML::Twig->new( start_tag_handlers => { 'level(0)' => sub { $_->set_att( %ns); } },
                     twig_handlers => { _all_ => sub { $_->flush; } },
                     keep_spaces => 1,
                   )
              ->parsefile_inplace( $file);

---

}

我使用libxml2。。。或者实际上是“R”（统计语言）中libxml2的包装器。如果libxml2能够解析分割的文件，那就太好了。顺便说一句，谢谢你的好工具！谢谢，现在测试。当我在原始文件上运行grep xmlns时，我看到了5个不同的xmlns:xx=“abc123”，这就是您仅声明一次前缀的引用吗？这5个元素中的每一个都只在onec中列出。名称空间声明都在根元素上吗？我为

xml\u split

添加了一个解决方案。它唯一的假设是名称空间声明位于原始文档的根上。如果不是这样的话，让我知道，它会更复杂一点（我想会慢得多）