如何解析CDATA段内嵌XML的XML文件 避免Java堆内存溢出

核心逻辑是全程使用流式解析，完全避免全量加载大体积内容到堆内存，解决Java堆OOM问题。

• 实现思路：
  用JDK自带的StAX（流式拉取XML解析API）串联两层XML的解析过程：先流式解析外层XML，定位到<c>标签的CDATA段时直接读取字符流，不转存为完整字符串，直接将流传递给内层XML的流式解析器处理，全程内存仅留存当前解析的节点片段，250M的内嵌XML不需要全部加载到内存。
• 代码实现示例：

import javax.xml.stream.*;
import java.io.*;

public class NestedXmlParser {
    public static void main(String[] args) throws Exception {
        // 直接读取文件流，不要提前读入内存转为字符串/字节数组
        FileInputStream outerFileStream = new FileInputStream("你的外层XML文件路径.xml");
        XMLInputFactory staxFactory = XMLInputFactory.newInstance();
        
        // 外层XML流式解析
        XMLStreamReader outerReader = staxFactory.createXMLStreamReader(outerFileStream);
        while (outerReader.hasNext()) {
            int eventType = outerReader.next();
            // 定位到<c>标签
            if (eventType == XMLStreamConstants.START_ELEMENT && "c".equals(outerReader.getLocalName())) {
                while (outerReader.hasNext()) {
                    int innerEventType = outerReader.next();
                    // 命中CDATA段
                    if (innerEventType == XMLStreamConstants.CDATA) {
                        // 直接获取CDATA字符流，不要调用getText()（会全量读取成字符串导致OOM）
                        Reader cdataStream = outerReader.getTextCharacters();
                        // 内层XML直接复用流解析，无需缓存全量内容
                        XMLStreamReader innerReader = staxFactory.createXMLStreamReader(cdataStream);
                        while (innerReader.hasNext()) {
                            int innerEvent = innerReader.next();
                            // 此处添加你的内层XML节点处理逻辑即可
                            // if (innerEvent == XMLStreamConstants.START_ELEMENT) {
                            //     System.out.println(innerReader.getLocalName());
                            // }
                        }
                        innerReader.close();
                        break;
                    }
                    // 遇到c标签结束直接跳出
                    if (innerEventType == XMLStreamConstants.END_ELEMENT && "c".equals(outerReader.getLocalName())) {
                        break;
                    }
                }
                break;
            }
        }
        outerReader.close();
        outerFileStream.close();
    }
}

• 注意事项：
  1. 绝对不要调用XMLStreamReader.getText()方法读取CDATA内容，该方法会把整个CDATA段一次性加载为字符串，直接触发OOM，必须使用getTextCharacters()获取流处理。
  2. 全程使用文件流直接解析，不要先把整个外层XML读入内存再处理。

内容的提问来源于stack exchange，提问作者paul