Eu tenho um arquivo HTML ENORME salvo aqui no meu sistema, que contém dados de um catálogo de produtos. Os dados são estruturados de modo que, para cada registro do produto, o nome esteja entre duas tags (nome) e (/ name).

Cada produto possui até três atributos: nome, ID do produto e cor, mas nem todos os produtos terão todos esses atributo

Como eu extrair esses dados para cada produto sem misturar os atributos do produto? O arquivo também tem 50 megabytes!

Code example ....

<name>'hat'</name>
blah blah blah
<prodId>'1829493'</prodId>
blah blah blah
<color>'cyan'</color>

blah blah 
blah blah blah
blah blah blah

<name>'shirt'</name>
blah blah blahblah blah blah
<prodId>'193'</prodId>

<name>'dress'</name>
blah blah blah
blah blah blah
<prodId>'18'</prodId>
<color>'dark purple'</color>