将非常大的文件从 xml 转换为 csv
本文关键字:xml 转换 csv 文件 非常 | 更新日期: 2023-09-27 17:57:07
目前,我正在使用以下代码片段将包含XML
数据的.txt
文件转换为.CSV
格式。我的问题是,目前这非常适合大约 100-200 mbs 的文件,转换时间非常低(最多 1-2 分钟),但是我现在需要它来适用于更大的文件(每个文件 1-2 GB)。目前,该程序冻结计算机,使用此功能转换大约需要30-40分钟。不知道我将如何继续更改此功能。任何帮助将不胜感激!
string all_lines = File.ReadAllText(p);
all_lines = "<Root>" + all_lines + "</Root>";
XmlDocument doc_all = new XmlDocument();
doc_all.LoadXml(all_lines);
StreamWriter write_all = new StreamWriter(FILENAME1);
XmlNodeList rows_all = doc_all.GetElementsByTagName("XML");
foreach (XmlNode rowtemp in rows_all)
{
List<string> children_all = new List<string>();
foreach (XmlNode childtemp in rowtemp.ChildNodes)
{
children_all.Add(Regex.Replace(childtemp.InnerText, "''s+", " "));
}
write_all.WriteLine(string.Join(",", children_all.ToArray()));
}
write_all.Flush();
write_all.Close();
示例输入::
<XML><DSTATUS>1,4,7,,5</DSTATUS><EVENT> hello,there,my,name,is,jack,</EVENT>
last,name,missing,above <ANOTHERTAG>3,6,7,,8,4</ANOTHERTAG> </XML>
<XML><DSTATUS>1,5,7,,3</DSTATUS><EVENT>hello,there,my,name,is,mary,jane</EVENT>
last,name,not,missing,above<ANOTHERTAG>3,6,7,,8,4</ANOTHERTAG></XML>
示例输出::
1,4,7,,5,hello,there,my,name,is,jack,,last,name,missing,above,3,6,7,,8,4
1,5,7,,3,hello,there,my,name,is,mary,jane,last,name,not,missing,above,3,6,7,,8,4
您需要采用流式处理方法,因为您当前正在将整个 2Gb 文件读取到内存中,然后对其进行处理。 你应该阅读一些XML,写一点CSV,然后继续这样做,直到你处理完所有内容。
可能的解决方案如下:
using (var writer = new StreamWriter(FILENAME1))
{
foreach (var element in StreamElements(r, "XML"))
{
var values = element.DescendantNodes()
.OfType<XText>()
.Select(e => Regex.Replace(e.Value, "''s+", " "));
var line = string.Join(",", values);
writer.WriteLine(line);
}
}
StreamElements
的灵感来自乔恩·斯基特(Jon Skeet)在回答这个问题时从XmlReader
中流出的XElement
。 我做了一些更改来支持您的"无效"XML(因为您没有根元素):
private static IEnumerable<XElement> StreamElements(string fileName, string elementName)
{
var settings = new XmlReaderSettings
{
ConformanceLevel = ConformanceLevel.Fragment
};
using (XmlReader reader = XmlReader.Create(fileName, settings))
{
while (reader.Read())
{
if (reader.NodeType == XmlNodeType.Element)
{
if (reader.Name == elementName)
{
var el = XNode.ReadFrom(reader) as XElement;
if (el != null)
{
yield return el;
}
}
}
}
}
}
如果您准备考虑完全不同的方法,请下载 Saxon-EE 9.6,获取评估许可证,然后运行以式 XSLT 3.0 代码:
<xsl:stylesheet version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:template name="main">
<xsl:stream href="input.xml">
<xsl:for-each select="*/*">
<xsl:value-of select="*!normalize-space()" separator=","/>
<xsl:text>
</xsl:text>
</xsl:for-each>
</xsl:stream>
</xsl:template>
</xsl:stylesheet>
>由于File.ReadAllText(p);
而冻结
不要将完整文件读入内存。(这将首先开始交换,然后停止您的 CPU,因为没有更多可用内存)
使用分块方法:逐行读取、逐行转换、逐行写入。
使用一些较低级别的 XML 读取器类,而不是XmlDocument
有两种变体。首先是隐藏程序冻结,使用BackgroundWorker第二:逐个字符串读取文本文件,使用任何阅读器(XML或任何文本''文件)。您可以组合这些变体。