可以用memory mapped file方式来解决。
我们就是这么做的。
【 在 z16166 的大作中提到: 】
: 需要解析docx里的XML里的文本，也就是提取OOXML里的文本。
: 目前采用DOM方式，存在的问题：
: 1、内存占用问题：DOM需要load整个文件进内存，超大文件不能处理。
: ...................
--
FROM 98.228.215.*

很多年前这种问题的标准好像就是用sax不要用dom，不知道这几年情况变了没有 :)
【 在 z16166 的大作中提到: 】
: 需要解析docx里的XML里的文本，也就是提取OOXML里的文本。
: 目前采用DOM方式，存在的问题：
: 1、内存占用问题：DOM需要load整个文件进内存，超大文件不能处理。
: ...................
--
FROM 182.150.115.*

最后就是放弃使用xml了


【 在 haha103 的大作中提到: 】
: 很多年前这种问题的标准好像就是用sax不要用dom，不知道这几年情况变了没有 :)
--
FROM 114.249.132.159

放弃不了，OOXML这货还正流行

【 在 littlewolf 的大作中提到: 】
: 最后就是放弃使用xml了
:
--
FROM 222.129.205.*

谢谢。它这个介绍的是CMarkup这个C++库。要和libxml2的pull模式对比一下。
一次读取的文件分块大小是用MARKUP_FILEBLOCKSIZE设置的：
http://www.firstobject.com/c++-xml-reader-parses-large-xml-file.htm

StAX的比纯SAX的expat之类的代码写起来更好写一些。

【 在 DoorWay 的大作中提到: 】
: http://www.firstobject.com/xml-reader-sax-vs-xml-pull-parser.htm
: 这个看看，说是和SAX相比，都是流式的。但你这是Word文档，找到超大节点，能不能一次设定读取大小，文档没说。
--
修改:z16166 FROM 222.129.205.*
FROM 222.129.205.*