用于从大型（>；2gb）XML文件中删除节点的实用工具

我正在处理几个大的（>2gb）XML文件，它们的大小导致了一些问题

（例如，我在PHP脚本中使用XMLReader来解析较小的~500mb文件，这很好，但是是32位PHP）

所以-我的想法是消除文件中我知道不需要的大块

例如，如果文件的结构如下所示：

<record id="1">
    <a>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </a>
    <b>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </b>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>
...
<record id="999999">
    <a>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </a>
    <b>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </b>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>

废话
....
废话
废话
....
废话
废话
....
废话
...
废话
....
废话
废话
....
废话
废话
....
废话

出于我的目的-我只需要每个记录的父节点

中的数据。如果我可以从每个记录中删除父节点

和

，我就可以大大减小文件的大小，这样它就足够小，可以正常工作

这样做的最佳方式是什么（最好是使用

sed

或

grep

或免费/便宜的应用程序）

---

我尝试过Altova XML Spy的试用版，但它甚至无法打开XML文件（我想这是因为它太大了）。

既然您提到了

sed

和

awk

，我想您是在linux下

如果您有xsltproc实用程序

提供测试文件的更正版本

<?xml version="1.0" encoding="ISO-8859-1"?>
<?xml-stylesheet href="project.xsl" type="text/xsl"?>

<records>
<record id="1">
    <a>
        <detail>hello</detail>
        bar
        <detail>world</detail>
    </a>
    <b>
        <detail>blah</detail>
        <detail>blah</detail>
    </b>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>
<record id="999999">
    <a>
        <detail>blah</detail>
        foo
        <detail>blah blah</detail>
    </a>
    <b>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </b>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>
</records>

会是

<?xml version="1.0"?>
<records><record id="1"><a>
        <detail>hello</detail>
        bar
        <detail>world</detail>
    </a></record><record id="999999"><a>
        <detail>blah</detail>
        foo
        <detail>blah blah</detail>
    </a></record></records>

你好
酒吧
世界
废话
福
废话

---

这接近您的预期吗？

您想要的是SAX解析器而不是DOM解析器。我相信您使用的是如此大的XML。如果是这样，您正在使用technology@Tomalak-谢谢你的评论，但我不能使用XMLReader-它不会打开文件。我正在寻找一个实用程序，它可以删除我知道不需要的节点，这样我就可以将一个2.5gb的文件减少到XMLReader给出的错误是什么？或者，值得一试。我强烈建议您重新考虑您的建议，即使用一个不支持XML的实用程序，如

sed

或

awk

来减少文件的大小。有些解析器是用来处理这些文件大小的，你应该使用这样的工具。。。在任何XML工具都能干净地处理它之前，您必须先解决这个问题。

xsltproc extract.xsl  record.xml

<?xml version="1.0"?>
<records><record id="1"><a>
        <detail>hello</detail>
        bar
        <detail>world</detail>
    </a></record><record id="999999"><a>
        <detail>blah</detail>
        foo
        <detail>blah blah</detail>
    </a></record></records>