Spring Batch解析嵌入式固定长度XML数据的两阶段策略-java教程-PHP中文网

spring batch解析嵌入式固定长度xml数据的两阶段策略

本文探讨了在Spring Batch中解析一种特殊XML文件的方法：其中固定长度的扁平数据作为XML元素的值嵌入。针对传统StaxEventItemReader在此场景下的局限性，文章提出了一种高效的两阶段处理策略。该策略首先通过自定义Tasklet将XML中的扁平数据提取并转换为纯文本文件，随后利用Spring Batch的FlatFileItemReader及其FixedLengthTokenizer对转换后的文件进行精确解析，从而实现复杂数据结构的有效处理。

问题剖析：XML中的非标准扁平数据

在数据处理场景中，我们有时会遇到一种特殊的XML文件格式，其核心业务数据并非以独立的XML元素结构化，而是以固定长度的扁平文本形式嵌入在某个XML元素的值中。例如，给定如下XML结构：

<?xml version="1.0" encoding="UTF-8"?>
<File fileId="123" xmlns="abc:XYZ" > ABC123411/10/20
XBC128911/10/20
BCD456711/23/22
</File>

登录后复制

我们期望将元素内部的文本内容（ABC123411/10/20等）解析成一系列结构化的Content对象，每个对象代表一行数据，包含name、id和date字段。例如：

name: ABC
id: 1234
Date: 11/10/20

登录后复制

对应的Java模型可能定义如下：

public class Content {
   private String name;
   private String id;
   private String date;

   // 构造函数、Getter和Setter方法
   public Content() {}

   public Content(String name, String id, String date) {
       this.name = name;
       this.id = id;
       this.date = date;
   }

   // Getters
   public String getName() { return name; }
   public String getId() { return id; }
   public String getDate() { return date; }

   // Setters
   public void setName(String name) { this.name = name; }
   public void setId(String id) { this.id = id; }
   public void setDate(String date) { this.date = date; }

   @Override
   public String toString() {
       return "Content{" +
              "name='" + name + '\'' +
              ", id='" + id + '\'' +
              ", date='" + date + '\'' +
              '}';
   }
}

登录后复制

直接使用Spring Batch的StaxEventItemReader配合JAXB进行解析时，通常会将元素内部的所有文本内容作为一个整体字符串映射到POJO的@XmlValue字段。例如，如果定义一个TestRecord类：

import javax.xml.bind.annotation.XmlAccessType;
import javax.xml.bind.annotation.XmlAccessorType;
import javax.xml.bind.annotation.XmlRootElement;
import javax.xml.bind.annotation.XmlValue;

@XmlAccessorType(XmlAccessType.FIELD)
@XmlRootElement(name = "File", namespace = "abc:XYZ") // 注意：namespace需要与XML文件中的xmlns匹配
public class TestRecord {

   @XmlValue
   private String data;

   public String getData() {
     return data;
   }

   public void setData(String data) {
       this.data = data;
   }
}

登录后复制

通过StaxEventItemReader读取后，TestRecord.data字段将包含整个多行字符串：

ABC123411/10/20
XBC128911/10/20
BCD456711/23/22

登录后复制

这种方法虽然成功读取了XML内容，但后续仍需手动编写代码来进一步解析这个长字符串，将其按行分割并按固定长度解析每个字段，这增加了额外的开发复杂性。

核心策略：两阶段处理模型

为了更优雅、高效地处理此类问题，推荐采用一种两阶段处理模型：

阶段一：XML数据提取与转换：首先，通过一个预处理步骤，从原始XML文件中精确提取出包含固定长度数据的文本内容，并将其写入一个新的纯文本（扁平）文件。
阶段二：扁平文件固定长度解析：然后，利用Spring Batch内置的FlatFileItemReader，结合其强大的FixedLengthTokenizer功能，对第一阶段生成的纯文本文件进行逐行、固定长度的解析，直接映射到目标Java对象。

这种策略的优势在于：

解耦：将XML解析与扁平文件解析的复杂性分开处理。
简化：避免在单个Reader中处理复杂的正则匹配或自定义逻辑。
复用：充分利用Spring Batch为扁平文件处理提供的成熟且高效的组件。
可维护性：每个阶段职责单一，更易于理解、测试和维护。

阶段一：XML数据提取与转换任务

此阶段的目标是从XML文件中抽取包含固定长度数据的文本内容，并写入一个新的扁平文件。这可以通过一个自定义的Spring Batch Tasklet来实现。

示例代码：自定义XmlDataExtractionTasklet

XmlDataExtractionTasklet将负责读取XML文件，使用JAXB或其他XML解析库（如DOM或SAX）来获取元素内的文本值，然后将这个多行字符串写入一个新的临时文件。

import org.springframework.batch.core.StepContribution;
import org.springframework.batch.core.scope.context.ChunkContext;
import org.springframework.batch.core.step.tasklet.Tasklet;
import org.springframework.batch.repeat.RepeatStatus;
import org.springframework.beans.factory.InitializingBean;
import org.springframework.core.io.Resource;
import org.springframework.util.Assert;

import javax.xml.bind.JAXBContext;
import javax.xml.bind.Unmarshaller;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;

public class XmlDataExtractionTasklet implements Tasklet, InitializingBean {

    private Resource inputXmlResource;
    private String outputFlatFilePath; // 临时扁平文件的路径

    public void setInputXmlResource(Resource inputXmlResource) {
        this.inputXmlResource = inputXmlResource;
    }

    public void setOutputFlatFilePath(String outputFlatFilePath) {
        this.outputFlatFilePath = outputFlatFilePath;
    }

    @Override
    public void afterPropertiesSet() throws Exception {
        Assert.notNull(inputXmlResource, "inputXmlResource must be set");
        Assert.hasText(outputFlatFilePath, "outputFlatFilePath must be set");
    }

    @Override
    public RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception {
        File inputFile = inputXmlResource.getFile();
        File outputFile = new File(outputFlatFilePath);

        try (BufferedWriter writer = new BufferedWriter(new FileWriter(outputFile))) {
            JAXBContext jaxbContext = JAXBContext.newInstance(TestRecord.class);
            Unmarshaller jaxbUnmarshaller = jaxbContext.createUnmarshaller();

            TestRecord testRecord = (TestRecord) jaxbUnmarshaller.unmarshal(inputFile);
            String rawData = testRecord.getData();

            // 将原始数据按行写入新的扁平文件
            if (rawData != null && !rawData.isEmpty()) {
                writer.write(rawData.trim()); // trim()去除可能的首尾空白
            }
            contribution.incrementWriteCount(1); // 标记处理了一个XML文件
        } catch (Exception e) {
            // 记录错误或抛出异常
            throw new IOException("Error extracting data from XML file: " + inputFile.getAbsolutePath(), e);
        }

        // 将输出文件路径存储到ExecutionContext，以便后续步骤访问
        chunkContext.getStepContext().getStepExecution().getJobExecution().getExecutionContext()
                    .put("extracted.flat.filePath", outputFlatFilePath);

        return RepeatStatus.FINISHED;
    }
}

登录后复制

TestRecord类：如前所示，用于JAXB解析XML获取@XmlValue。

Spring Batch配置：集成Tasklet

在Spring Batch作业配置中，将此Tasklet定义为一个步骤。

<bean id="xmlDataExtractionTasklet" class="com.example.batch.XmlDataExtractionTasklet">
    <property name="inputXmlResource" value="file:#{jobParameters['input.xml.path']}" />
    <property name="outputFlatFilePath" value="#{jobExecutionContext['temp.flat.file.path']}" />
</bean>

<job id="dataProcessingJob">
    <step id="extractXmlDataStep">
        <tasklet ref="xmlDataExtractionTasklet" />
    </step>
    <!-- 后续步骤将使用此Tasklet生成的扁平文件 -->
    <step id="processFlatFileStep" next="cleanUpStep">
        <chunk reader="flatFileItemReader" processor="contentProcessor" writer="contentWriter" commit-interval="10" />
    </step>
    <step id="cleanUpStep">
        <tasklet ref="fileCleaningTasklet" />
    </step>
</job>

<!-- 定义临时文件路径，例如在Job启动时传入或动态生成 -->
<bean id="jobParameters" class="org.springframework.batch.core.configuration.support.MapJobParametersExtractor">
    <property name="keys">
        <map>
            <entry key="input.xml.path" value="file:/path/to/your/input.xml"/>
            <entry key="temp.flat.file.path" value="file:/path/to/temp/output.txt"/>
        </map>
    </property>
</bean>

登录后复制

注意: temp.flat.file.path 可以通过jobExecutionContext在运行时动态生成，以确保唯一性。

阶段二：扁平文件固定长度解析

此阶段的目标是利用FlatFileItemReader解析第一阶段生成的纯文本文件，并将其映射到Content对象。

Java模型：Content类

Content类已在问题剖析部分给出，用于承载解析后的数据。

Spring Batch配置：FlatFileItemReader

FlatFileItemReader需要配置一个LineTokenizer来解析每行数据。对于固定长度文件，我们使用FixedLengthTokenizer，并指定每个字段的起始和结束位置。然后，使用BeanWrapperFieldSetMapper将解析后的字段映射到Content对象的属性。

根据示例数据ABC123411/10/20，字段长度分析如下：

name: ABC (3个字符)
id: 1234 (4个字符)
date: 11/10/20 (8个字符)

因此，字段范围是：

name: 1-3
id: 4-7
date: 8-15

<bean id="flatFileItemReader" class="org.springframework.batch.item.file.FlatFileItemReader" scope="step">
    <property name="resource" value="file:#{jobExecutionContext['extracted.flat.filePath']}" />
    <property name="lineMapper">
        <bean class="org.springframework.batch.item.file.mapping.DefaultLineMapper">
            <property name="lineTokenizer">
                <bean class="org.springframework.batch.item.file.transform.FixedLengthTokenizer">
                    <property name="names" value="name,id,date" />
                    <property name="columns" value="1-3,4-7,8-15" />
                </bean>
            </property>
            <property name="fieldSetMapper">
                <bean class="org.springframework.batch.item.file.mapping.BeanWrapperFieldSetMapper">
                    <property name="targetType" value="com.example.batch.Content" />
                </bean>
            </property>
        </bean>
    </property>
</bean>

登录后复制

注意：resource属性通过#{jobExecutionContext['extracted.flat.filePath']}引用了第一阶段Tasklet写入ExecutionContext的临时文件路径，确保了数据流的连贯性。

整体作业流与注意事项

将上述两个阶段整合到一个Spring Batch作业中，可以定义一个包含多个步骤的作业流。

<job id="fixedLengthXmlProcessingJob">
    <!-- 步骤1: 提取XML中的扁平数据并写入临时文件 -->
    <step id="extractDataFromXmlStep">
        <tasklet ref="xmlDataExtractionTasklet" />
        <next on="*" to="readAndProcessFlatFileStep"/>
    </step>

    <!-- 步骤2: 读取临时扁平文件并处理 -->
    <step id="readAndProcessFlatFileStep">
        <chunk reader="flatFileItemReader"
               processor="contentItemProcessor" <!-- 可选：自定义数据处理逻辑 -->
               writer="contentItemWriter"    <!-- 实际数据写入逻辑 -->
               commit-interval="100" />
        <next on="*" to="cleanupTempFileStep"/>
    </step>

    <!-- 步骤3: 清理临时文件 (可选，但推荐) -->
    <step id="cleanupTempFileStep">
        <tasklet ref="fileCleaningTasklet" />
    </step>
</job>

<!-- 定义一个简单的文件清理Tasklet -->
<bean id="fileCleaningTasklet" class="org.springframework.batch.core.step.tasklet.Tasklet">
    <property name="filePath" value="#{jobExecutionContext['extracted.flat.filePath']}" />
</bean>

<!-- 示例文件清理Tasklet实现 -->
<bean id="fileCleaningTasklet" class="com.example.batch.FileCleaningTasklet">
    <property name="filePath" value="#{jobExecutionContext['extracted.flat.filePath']}" />
</bean>

登录后复制

// FileCleaningTasklet.java
import org.springframework.batch.core.StepContribution;
import org.springframework.batch.core.scope.context.ChunkContext;
import org.springframework.batch.core.step.tasklet.Tasklet;
import org.springframework.batch.repeat.RepeatStatus;
import org.springframework.beans.factory.InitializingBean;
import org.springframework.util.Assert;

import java.io.File;

public class FileCleaningTasklet implements Tasklet, InitializingBean {

    private String filePath;

    public void setFilePath(String filePath) {
        this.filePath = filePath;
    }

    @Override
    public void afterPropertiesSet() throws Exception {
        Assert.hasText(filePath, "filePath must be set");
    }

    @Override
    public RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception {
        File file = new File(filePath);
        if (file.exists()) {
            if (file.delete()) {
                System.out.println("Cleaned up temporary file: " + filePath);
            } else {
                System.err.println("Failed to delete temporary file: " + filePath);
            }
        }
        return RepeatStatus.FINISHED;
    }
}

登录后复制

注意事项：

临时文件管理：确保在作业完成后清理生成的临时扁平文件，以避免磁盘空间浪费。这可以通过在作业流的最后添加一个清理Tasklet来实现。
错误处理：在XmlDataExtractionTasklet中，需要考虑XML文件不存在、格式错误或数据提取失败等情况，并进行适当的异常捕获和处理。
性能考量：
- 对于非常大的XML文件，如果@XmlValue中的数据量极大导致内存溢出，XmlDataExtractionTasklet中的JAXB unmarshal操作可能会消耗大量内存。在这种极端情况下，可以考虑在Tasklet内部使用SAX解析器进行流式处理，逐行读取XML内容并写入扁平文件，而不是一次性将整个XmlValue加载到内存。
- FlatFileItemReader本身是为处理大型文件而设计的，因此在第二阶段的性能通常不是问题。
JobParameters与ExecutionContext：利用JobParameters传入初始XML文件路径，并利用JobExecutionContext在不同步骤之间传递临时文件路径，这是Spring Batch中管理作业状态的常用实践。

总结

通过将复杂问题分解为两个独立的、可管理的阶段，并充分利用Spring Batch提供的强大组件（如Tasklet和FlatFileItemReader），我们能够高效且优雅地解决从特殊XML结构中解析固定长度扁平数据的挑战。这种两阶段处理策略不仅提高了解决方案的清晰度和可维护性，也展现了Spring Batch在处理多样化数据源时的灵活性和强大能力。

以上就是Spring Batch解析嵌入式固定长度XML数据的两阶段策略的详细内容，更多请关注php中文网其它相关文章！