C＃（.net 2.0）中的大型XML文件的差異

我有點被卡住，不得不使用.Net 2.0，所以LINQ xml不可用，儘管我會對它的比較感興趣...C＃（.net 2.0）中的大型XML文件的差異

我不得不編寫一個內部程序來下載，提取和比較一些基本上是構建配置的大型XML文件（每個大約10M）。我第一次試圖使用庫，如Microsoft's XML diff/patch，但比較文件需要2-3分鐘，即使忽略空白，命名空間等（我每次都會忽略一個，試圖找出最快的）。我試圖實現我自己的想法 - XmlDocument對象中的節點列表，根指向直接後代（順便說一句，45000個子項）的鍵的字典，指向int以指示XML文檔中的節點位置......所有至少運行2分鐘。我最後的實現在1-2秒內完成 - 我做了一個系統進程調用，用幾行上下文進行比較，並保存這些結果以顯示（我們的開發機器包括cygwin，謝天謝地）。

我不禁想到有一個更好的，XML的具體方式來做到這一點，就像純文本差異一樣快 - 特別是因爲我真正感興趣的是名稱元素是每個直系後代的孩子，並可能爲了我的目的扔掉文件的4/5（我們只需要知道包含什麼文件，而不涉及任何其他語言或版本）

因此，和XML一樣流行，我敢肯定，那裏有人不得不做類似的事情。什麼是比較這些大型XML的快速高效方法？（prefereably開源或免費）

編輯：節點的樣本 - 我只需要找到丟失的名稱元素（有超過45K節點以及）

<file> 
    <name>SomeFile</name> 
    <version>10.234</version> 
    <countries>CA,US</countries> 
    <languages>EN</languages> 
    <types>blah blah</types> 
    <internal>N</internal> 
</file>

來源

2012-06-06 Drake Clarris

http://stackoverflow.com/q/655141/102937 –

請提供更多的上下文。你需要什麼樣的輸出？你在尋找什麼樣的差異？ – Oded

@羅伯特哈維 - 我已經通過該頁面，沒有運氣 –

XmlDocument source = new XmlDocument(); 
source.Load("source.xml"); 
Dictionary<string, XmlNode> files = new Dictionary<string, XmlNode>(); 
foreach(XmlNode file in source.SelectNodes("//file")) 
    files.Add(file.SelectSingleNode("./name").InnerText, file); 

XmlDocument source2 = new XmlDocument(); 
source2.Load("source2.xml"); 
XmlNode value; 
foreach(XmlNode file in source2.SelectNodes("//file")) 
    if (files.TryGetValue(file.SelectSingleNode("./name").InnerText, out value)) 
     // This file is both in source and source2. 
    else 
     // This file is only in source2.

我不知道正是你想要的，我希望這個例子能幫助你完成你的任務。

來源

2012-06-06 20:29:23 Casperah

我以前曾試過一本字典，但無論出於何種原因，在我的大腦中，我認爲將索引存儲到要使用的節點列表會更高效（無法真正說出原因，在錯誤中過度使用方向我猜）。這花了幾分鐘。給了這個鏡頭 - 效果很好，幾乎和純文本差不多一樣快。不知道爲什麼我不考慮存儲對實際節點的引用，而不是... –

Diffing XML可以通過多種方式完成。不過，您對細節的描述並不十分具體。發生什麼事是文件很大，你只需要4/5的信息。

好，那麼算法如下：

規範和減少文件的事項的信息。
保存結果。
比較結果。

而且實施：

使用XmlReader API，這是有效的，產生你的信息明文表示。爲什麼純文本表示？因爲diff工具是基於純文本的假設。我們的眼球也是如此。爲什麼XmlReader？你可以使用SAX，這是內存效率，但XmlReader更有效。至於那個純文本文件的確切規格......你只是沒有包含足夠的信息。
將純文本文件保存到某個臨時目錄。
使用像GnuWin32 diff這樣的命令行diff工具來獲取一些差異輸出。是的，我知道，不是純粹而恰當的，但是可以開箱即用，並且不需要編碼。如果你熟悉一些C＃diff API（我不是），那麼當然，那麼就使用那個API。
刪除臨時文件。（或者可選擇保留它們，如果你打算重複使用它們）。

來源

2012-06-06 20:33:12 Lumi

是的，這就是我迄今爲止所做的，它工作得很好，只是希望比純文本差異更「XML」的方式 –

@DrakeClarris，這裏的關鍵洞察是XML和diff輸出根本不匹配和結婚。這就是爲什麼希望採用更多XML的方式做事沒有意義。你可能也希望更有角度的滾動輪子。 – Lumi

C＃（.net 2.0）中的大型XML文件的差異

回答

相關問題