我該如何在Clojure中懶散地解析大型XHTML文件？

Question

我有一個大表有效XHTML文件（100兆字節的數據）。首先tr是列（用於數據庫），其他所有tr都是數據。它是整個文檔中的唯一表格，它在結構體html-> body-> div-> table中。

我如何解析它在Clojure的偷懶的辦法？

我知道data.xml而是因爲我初學CLJ是很困難的，我讓它工作。尤其是因爲REPL在處理這麼大的文件時速度很慢。

Answer 1

data.xml文檔說，它創建一個文檔的懶漢樹：parse。我在當地檢查，這似乎是正確的：

; Load libs 
(require '[clojure.data.xml :as xml]) 
(require '[clojure.java.io :as io]) 

; standard.xml is 100MB xml file from here http://www.xml-benchmark.org/downloads.html 
(def xml-tree (xml/parse (io/reader "standard.xml"))) 
(:tag xml-tree) => :site 

(def child (first (:content xml-tree))) 
(:tag child) => :regions 

(dorun (:content xml-tree)) => REPL hangs for ~30 seconds on my computer because it tries to parse whole file