我该如何在Clojure中懒散地解析大型XHTML文件？

Question

我有一个大表有效XHTML文件（100兆字节的数据）。首先tr是列（用于数据库），其他所有tr都是数据。它是整个文档中的唯一表格，它在结构体html-> body-> div-> table中。

我如何解析它在Clojure的偷懒的办法？

我知道data.xml而是因为我初学CLJ是很困难的，我让它工作。尤其是因为REPL在处理这么大的文件时速度很慢。

Answer 1

data.xml文档说，它创建一个文档的懒汉树：parse。我在当地检查，这似乎是正确的：

; Load libs 
(require '[clojure.data.xml :as xml]) 
(require '[clojure.java.io :as io]) 

; standard.xml is 100MB xml file from here http://www.xml-benchmark.org/downloads.html 
(def xml-tree (xml/parse (io/reader "standard.xml"))) 
(:tag xml-tree) => :site 

(def child (first (:content xml-tree))) 
(:tag child) => :regions 

(dorun (:content xml-tree)) => REPL hangs for ~30 seconds on my computer because it tries to parse whole file