JavaとSAXを使用して、時折XMLタグでプレーンテキストファイルを解析する方法は？

Question

プレーンテキストを含むサーバーからかなり大きなログファイルがあります。サーバーはすべてのことをログに記録し、時には解析に興味のあるxmlタグを出力します。あなたの例を与えるために：

-----------log file------------- 
bla bla bla random text 
<logMessage>test Message</logMessage> 
some more random server output 
<logMessage>some other message</logMessage> 
bla bla bla 
end of log file 

私はちょうど< LogMessageに>タグからデータを抽出し、残りを無視したいです。私はJavaとSAXを使用していますが、SAXパーサーはファイルの内容が厳密にXML形式であると予想しており、このタイプのファイルは処理できません。 SAXに、ファイルが整形式のXMLではないという事実を無視/無視するように指示する方法はありますか？ 代替手段はありますか？ファイルを1行ずつ読み込み、タグを探しますか？ :(

Answer 1

私はFを読んを選ぶだろう簡単にするため行ごとに<logMessage>と</logMessage>のトークンを探します。デリゲートパーサーをとりSAXのようなイベントを送る汎用のパーサを作ることができます。 （パーサーを書き直す作業に応じて役に立つかもしれませんが、SAXベースのソリューションは機能しません）

EDIT：デリゲートアプローチは、複数の種類に興味がある場合にも便利です要素の。これらが複雑な（埋め込まれた）XML階層を持つ場合は、開閉トークンの間にあるすべての文字をバッファーに照合してから、 SAXパーサーにそのバッファーを供給することもできます。これは大抵の場合過度なものになりますが、XMLダンプを基本的に含むログがあれば、それを自分ですべて解析するよりも適切かもしれません。

Answer 2

この種のファイルの解析には、まっすぐなXML解析は適切ではないと思われます。すべてのXMLスニペットが行に含まれている場合（開始タグと終了タグが同じ行にある場合）非XML行をスキップした後は、処理のためにストリームをSAXパーサーに渡すか、regexpを行単位で渡すことができます。

基本的に上記のアプローチはその後、唯一のXMLタグを残す整形XMLを作成し、それを解析するために、ルート要素でそれをラップする最初のファイルをgrepをと同じです。