当前位置:首页 > 文章列表 > Golang > Go问答 > 如何将大量数据编组为 XML

如何将大量数据编组为 XML

来源:stackoverflow 2024-04-04 18:09:36 0浏览 收藏

“纵有疾风来,人生不言弃”,这句话送给正在学习Golang的朋友们,也希望在阅读本文《如何将大量数据编组为 XML》后,能够真的帮助到大家。我也会在后续的文章中,陆续更新Golang相关的技术文章,有好的建议欢迎大家在评论留言,非常感谢!

问题内容

我需要通过 XML 发送大量数据,而我的 Docker 容器在执行该任务时内存不足。有没有一种方法可以使用 Go 增量编组大型 XML 文档,并将其增量写入文件以最大限度地减少内存使用?


解决方案


使用 xml.Encoder 将 xml 输出流式传输到 io.Writer,该 io.Writer 可能是网络连接 (net.Conn) 或文件 (os.File)。完整的结果不会保存在内存中。

您可以使用 Encoder.Encode() 将 go 值编码为 xml。一般来说,您可以传递任何要传递给 xml.Marshal() 的 go 值。

encoder.encode() 仅当您要编组的数据已在内存中准备好时才有帮助,这对您来说可能可行也可能不可行。例如。如果你想编组一个不能(或不应该)读入内存的大列表,这对你来说不会是一个拯救。

如果输入数据也无法保存在内存中,那么您可以通过标记和元素构造 xml 输出。您可以为此使用 Encoder.EncodeToken(),它允许您编写结果 xml 文档的“部分”。

例如,如果您想将一个大列表写入输出,您可以编写一个开始元素标记(例如 ),然后逐一写入列表的元素(每个元素从数据库或文件中获取,或由动态算法构造),一旦列表被封送,您就可以关闭列表元素标签()。

这是一个简单的示例,说明如何做到这一点:

type student struct {
    id   int
    name string
}

func main() {
    he := func(err error) {
        if err != nil {
            panic(err) // in your app, handle error properly
        }
    }

    // for demo purposes we use an in-memory buffer,
    // but this may be an os.file too.
    buf := &bytes.buffer{}

    enc := xml.newencoder(buf)
    enc.indent("", "  ")

    he(enc.encodetoken(xml.startelement{name: xml.name{local: "list"}}))
    for i := 0; i < 3; i++ {
        // here you can fetch / construct the records
        he(enc.encode(student{id: i, name: string(i + 'a')}))
    }
    he(enc.encodetoken(xml.endelement{name: xml.name{local: "list"}}))
    he(enc.flush())

    fmt.println(buf.string())
}

上面的输出是(在 Go Playground 上尝试一下):


  
    0
    A
  
  
    1
    B
  
  
    2
    C
  

今天关于《如何将大量数据编组为 XML》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
为什么 struct byteCounter 被视为“io.Writer”?为什么 struct byteCounter 被视为“io.Writer”?
上一篇
为什么 struct byteCounter 被视为“io.Writer”?
Python CPython 的历史演变与未来展望
下一篇
Python CPython 的历史演变与未来展望
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    459次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    521次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    538次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    487次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    306次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码