Java，如何从大文件中提取一些文本并将其导入到较小的文件中

在您通过文件向前阅读寻找您的唯一ID时，请保留对您遇到的最近的documentRequestMessage的引用。当您找到唯一的ID时，您将拥有需要提取该消息的参考。

在这种情况下，“参考”可能意味着一些事情。由于您没有遍历DOM（因为它不是有效的XML），所以您可能只需将该位置存储在documentRequestMessage所在的文件中。如果您使用的是FileInputStream（或支持mark的任何InputStream），则只需mark/reset即可存储并返回到消息启动文件的位置。

这是我相信你正在寻找的实现。这让很多基于您链接的日志文件的假设，但它的工作原理示例文件：

private static void processMessages(File file, String correlationId) 
{ 
    BufferedReader reader = null; 
    try { 
     boolean capture = false; 
     StringBuilder buffer = new StringBuilder(); 
     String lastDRM = null; 
     String line; 
     reader = new BufferedReader(new FileReader(file)); 
     while ((line = reader.readLine()) != null) { 
      String trimmed = line.trim(); 
      // Blank lines are boring 
      if (trimmed.length() == 0) { 
       continue; 
      } 
      // We only actively look for lines that start with an open 
      // bracket (after trimming) 
      if (trimmed.startsWith("[")) { 
       // Do some house keeping - if we have data in our buffer, we 
       // should check it to see if we are interested in it 
       if (buffer.length() > 0) { 
        String message = buffer.toString(); 
        // Something to note here... at this point you could 
        // create a legitimate DOM Document from 'message' if 
        // you wanted to 
        if (message.contains("documentRequestMessage")) { 
         // If the message contains 'documentRequestMessage' 
         // then we save it for later reference 
         lastDRM = message; 
        } else if (message.contains(correlationId)) { 
         // If the message contains the correlationId we are 
         // after, then print out the last message with the 
         // documentRequestMessage that we found, or an error 
         // if we never saw one. 
         if (lastDRM == null) { 
          System.out.println(
            "No documentRequestMessage found"); 
         } else { 
          System.out.println(lastDRM); 
         } 
         // In either case, we're done here 
         break; 
        } 
        buffer.setLength(0); 
        capture = false; 
       } 
       // Based on the log file, the only interesting messages are 
       // the ones that are DEBUG 
       if (trimmed.contains("DEBUG")) { 
        // Some of the debug messages have the XML declaration 
        // on the same line, and some the line after, so let's 
        // figure out which is which... 
        if (trimmed.endsWith("?>")) { 
         buffer.append(
           trimmed.substring(
            trimmed.indexOf("<?"))); 
         buffer.append("\n"); 
         capture = true; 
        } else if (trimmed.endsWith("Message:")) { 
         capture = true; 
        } else { 
         System.err.println("Can't handle line: " + trimmed); 
        } 
       } 
      } else { 
       if (capture) { 
        buffer.append(line).append("\n"); 
       } 
      } 
     } 
    } catch (IOException ex) { 
     ex.printStackTrace(System.err); 
    } finally { 
     if (reader != null) { 
      try { 
       reader.close(); 
      } catch (IOException ex) { 
       /* Ignore */ 
      } 
     } 
    } 
} 

你可以做的是阅读文件的内容，并寻找<documentRequestMessage>元素。当您找到上述元素之一时，请阅读，直至找到</documentRequestMessage>并将其存储在列表中，以便列表中的所有documentRequestMessage都可用。

您可以在最后或在添加到列表中时遍历此列表以找到您要查找的唯一标识。如果您发现它写入XML文件或忽略。

我假设你的日志是一系列<documentRequestMessage>的内容。

根本不扫描日志。

阅读日志，并且每次遇到<documentRequestMessage>标题时，开始将该<documentRequestMessage>块的内容保存到块区域中。

我不确定您是否必须解析XML，或者您可以将它保存为字符串列表。

当你遇到一个</documentRequestMessage>预告片，查看是否块的ID，你正在寻找，

的ID相匹配。如果ID匹配，写<documentRequestMessage>块到输出文件。如果ID不匹配，请清除块区域并读取下一个<documentRequestMessage>标题。

这样，你的文件阅读中就没有回溯。