Parser un XML sans le charger en mémoire sous forme de document

Version imprimable

Bonjour
voila mon problème :
Je dois lire un fichier XML qui a cette strucuture :
Code:

1 2 3 4 5 6 7 8 9 10 <MESSAGES NbMessage="800"> <MESSAGE nom="Martin" prenom ="Olivier"> <CONTENT><![CDATA[ bla bla bla...]]></CONTENT> </MESSAGE> <MESSAGE nom="Martin" prenom ="Michelle"> <CONTENT><![CDATA[ bla bla bla...]]></CONTENT> </MESSAGE> . ... </MESSAGES>
Le nombres de MESSAGE sera assez volumineux.
Je souhaiterais parser ce fichier XML afin de faire des traitements divers à partir de l'objet MESSAGE.

Je pensais partir sur une implémentation à partir d'un parseur DOM ou SAX, mais je me dis aussi que le chargement du fichier XML en mémoire sous forme de org.w3c.dom.Document nuirait aux performances du prog. Qu'en pensez-vous?

Peut-etre faudrait-il partir sur l'utilisation d'un BufferedReader pour lire le fichier ligne à ligne. Mais là encore, si le fichier est mal indenté ou 2 balises sur la même ligne, j'ai une exception de type SAXException
ex :
Code:

1 2 3 4 5 6 7 8 9 <MESSAGES NbMessage="800"> <MESSAGE nom="Martin" prenom ="Olivier"> <CONTENT><![CDATA[ bla bla bla...]]></CONTENT> </MESSAGE><MESSAGE nom="Martin" prenom ="Michelle"> <CONTENT><![CDATA[ bla bla bla...]]></CONTENT> </MESSAGE> .... </MESSAGES>
Avez-vous une idée d'une solution peformante?
Pour info, par la suite, un fois chaque bloc MESSAGE récupéré, j'utiliserais la méthode Unmarshall pour avoir un objet java MESSAGE avec les getters et setters utiles

Merdi d'avance pour vos réponses
@++

09/08/2007, 15h51
Morbo

Sax est idéal dans ton cas, car il respose sur du déclanchement d'évenements (entrée/sortie d'un noeud/attribut) et donc de construire des objets java au fur à mesure.
09/08/2007, 16h06
tdeco

Citation:

Envoyé par Morbo

Sax est idéal dans ton cas, car il respose sur du déclanchement d'évenements (entrée/sortie d'un noeud/attribut) et donc de construire des objets java au fur à mesure.

J'utilise le org.apache.xerces.parsers.SAXParser SAXParser comme parser. Peux-tu me donner un exemple concret? il y a t-il des méthodes à surcharger pour gérer les évenements?
Merci d'avance
09/08/2007, 16h16
Morbo

Des exemples il y en a là : http://java.developpez.com/faq/xml/?page=sax
Et en effet tu déclares une classe qui va surcharger les méthodes appellés lors du parsing.
09/08/2007, 16h48
tdeco
Citation:

Envoyé par Morbo

Des exemples il y en a là : http://java.developpez.com/faq/xml/?page=sax
Et en effet tu déclares une classe qui va surcharger les méthodes appellés lors du parsing.

Merci, j'ai consulté les exemples mais cela ne m'aide pas vraiment car cela revient à gérer tous les attributs et les éléments par moi-même. En fait je souhaiterais plus récupérer dans mon fichier XML un objet String

Code:

String monobjetCourant ="<MESSAGE nom="Martin" prenom ="Olivier"><CONTENT><![CDATA[ bla bla bla...]]></CONTENT></MESSAGE>" :
Code:

1 2 3 et utiliser MESSAGE = msgGingerbackup = (MESSAGE )Unmarshaller.unmarshal(MESSAGEGINGER.class, new StringReader(str));
09/08/2007, 17h21
Morbo

Ben je pense pas que tu puisses puisque pour n'en faire qu'une ligne car il faut déja avoir extrait le noeud et donc analysé la grammaire et syntaxe xml puisque tu veux gerer les cas sur plusieurs lignes.

Sinon si t'es sur que "</MESSAGE>" est sur une ligne séparé et "<MESSAGE" en début de ligne, tu dois pouvoir créer un buffer contenant tout le message au fur et à mesure que tu lis l'inputstream et l'analyser avec jdom.
09/08/2007, 17h27
tdeco

Citation:

Envoyé par Morbo

Ben je pense pas que tu puisses puisque pour n'en faire qu'une ligne car il faut déja avoir extrait le noeud et donc analysé la grammaire et syntaxe xml puisque tu veux gerer les cas sur plusieurs lignes.

Sinon si t'es sur que "</MESSAGE>" est sur une ligne séparé et "<MESSAGE" en début de ligne, tu dois pouvoir créer un buffer contenant tout le message au fur et à mesure que tu lis l'inputstream et l'analyser avec jdom.

Justement je ne suis pas sûr que "</MESSAGE>" soit sur une ligne séparé et "<MESSAGE" en début de ligne, c'est bien ca mon problème. Que penses-tu du chargement du document en mémoire niveau performance?
09/08/2007, 17h38
deltree

Tu peux lire ligne à ligne et détecter simplement la présence des tags <MESSAGE </MESSAGE> n'importe ou dans la ligne, mais ça me semble plus fiable d'utiliser SAX:
sur ton DefaultHandler, il suffit:
- dans "startElement" si "Message": conserver nom-prénom démarrer un buffer, -dans "characters" ajouter au buffer,
- dans endElement si "Message" interpréter le buffer,

c'est assez rapide quand même?
reste à voir comment ça interprète le CDATA.;)
10/08/2007, 11h11
tdeco

Citation:

Envoyé par deltree

Tu peux lire ligne à ligne et détecter simplement la présence des tags <MESSAGE </MESSAGE> n'importe ou dans la ligne, mais ça me semble plus fiable d'utiliser SAX:
sur ton DefaultHandler, il suffit:
- dans "startElement" si "Message": conserver nom-prénom démarrer un buffer, -dans "characters" ajouter au buffer,
- dans endElement si "Message" interpréter le buffer,

c'est assez rapide quand même?
reste à voir comment ça interprète le CDATA.;)

J'ai utilisé SAX en redéfinissant les méthodes appropriées et concernant le CDATA, le parser récupère le contenu sans les balises CDATA. Dans le cas où on a du contenu binaires par exemple un fichier multimédia codé en base 64, le parser altère t-il les données?
10/08/2007, 13h00
deltree

Le Base64 ne contenant pas de caractères spéciaux, je ne pense pas que ça puisse poser de problème.

Ceci dit, le CData est particulier à manipuler, si ça peut t'aider:
http://access1.sun.com/techarticles/...TAArticle.html