我有一些由Filemaker导出创建的html文件。每个文件基本上都是一个巨大的HTML表格。我想遍历表行并将它们填充到数据库中。我曾尝试与HTMLParser做到这一点,如下所示:如何用Java HTMLParser库解析大型HTML文件
String inputHTML = readFile("filemakerExport.htm","UTF-8");
Parser parser = new Parser();
parser.setInputHTML(inputHTML);
parser.setEncoding("UTF-8");
NodeList nl = parser.parse(null);
NodeList trs = nl.extractAllNodesThatMatch(new TagNameFilter("tr"),true);
for(int i=0;i<trs.size();i++) {
NodeList nodes = trs.elementAt(i).getChildren();
NodeList tds = nodes.extractAllNodesThatMatch(new TagNameFilter("td"),true);
// Do stuff with tds
}
上面的代码可与文件小于1 MB。不幸的是,我有一个4.8 Mbs的html文件,并且出现内存不足错误。
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
at org.htmlparser.lexer.Lexer.parseTag(Lexer.java:1002)
at org.htmlparser.lexer.Lexer.nextNode(Lexer.java:369)
at org.htmlparser.scanners.CompositeTagScanner.scan(CompositeTagScanner.java:111)
at org.htmlparser.util.IteratorImpl.nextNode(IteratorImpl.java:92)
at org.htmlparser.Parser.parse(Parser.java:701)
at Tools.main(Tools.java:33)
有没有办法解决这个问题的HTMLParser(我完全新图书馆)更有效的方式,或者我应该使用一个不同的库或方法吗?
谢谢,它的工作原理。我投票给你。我会等待接受你的回答,因为我想看看是否有人发布更有效率的方式。 – 2009-05-26 12:47:57
Sergio del Amo,我想你应该接受这个答案,因为没有你喜欢的其他问题。 – Maksim 2012-04-02 00:12:46