Java中四種XML解析技術之不完全測試

xml 在平時工作中，難免會遇到把XML作為資料存放區格式。面對目前種類繁多的解決方案，哪個最適合我們呢？在這篇文章中，我對這四種主流方案做一個不完全評測，僅僅針對遍曆XML這塊來測試，因為遍曆XML是工作中使用最多的(至少我認為)。 　　預備 　　測試環境： 　　AMD毒龍1.4G OC 1.5G、256M DDR333、Windows2000 Server SP4、Sun JDK 1.4.1+Eclipse 2.1+Resin 2.1.8，在Debug模式下測試。 　　XML檔案格式如下： 　　＜?xml version="1.0" encoding="GB2312"?＞＜RESULT＞＜VALUE＞ 　　＜NO＞A1234＜/NO＞ 　　＜ADDR＞四川省XX縣XX鎮XX路X段XX號＜/ADDR＞＜/VALUE＞＜VALUE＞ 　　＜NO＞B1234＜/NO＞ 　　＜ADDR＞四川省XX市XX鄉XX村XX組＜/ADDR＞＜/VALUE＞＜/RESULT＞ 　　測試方法： 　　採用JSP端調用Bean(至於為什麼採用JSP來調用，請參考：http://blog.csdn.net/rosen/archive/2004/10/15/138324.aspx)，讓每一種方案分別解析10K、100K、1000K、10000K的XML檔案，計算其消耗時間(單位:毫秒)。 　　JSP檔案： 　　＜%@ page contentType="text/html; charset=gb2312" %＞＜%@ page import="com.test.*"%＞ 　　＜html＞＜body＞＜%String args[]={""};MyXMLReader.main(args);%＞＜/body＞＜/html＞ 　　測試 　　首先出場的是DOM(JAXP Crimson解析器) 　　DOM是用與平台和語言無關的方式表示XML文檔的官方W3C標準。DOM是以階層組織的節點或資訊片斷的集合。這個階層允許開發人員在樹中尋找特定資訊。分析該結構通常需要載入整個文檔和構造階層，然後才能做任何工作。由於它是基於資訊層次的，因而DOM被認為是基於樹或基於對象的。DOM以及廣義的基於樹的處理具有幾個優點。首先，由於樹在記憶體中是持久的，因此可以修改它以便應用程式能對資料和結構作出更改。它還可以在任何時候在樹中上下導航，而不是像SAX那樣是一次性的處理。DOM使用起來也要簡單得多。 　　另一方面，對於特別大的文檔，解析和載入整個文檔可能很慢且很耗資源，因此使用其他手段來處理這樣的資料會更好。這些基於事件的模型，比如SAX。 　　Bean檔案： 　　package com.test; 　　import java.io.*;import java.util.*;import org.w3c.dom.*;import javax.xml.parsers.*; 　　public class MyXMLReader{ 　　public static void main(String arge[]){ 　　long lasting =System.currentTimeMillis(); 　　try{  　　　File f=new File("data_10k.xml"); 　　　DocumentBuilderFactory factory=DocumentBuilderFactory.newInstance(); 　　　DocumentBuilder builder=factory.newDocumentBuilder(); 　　　Document doc = builder.parse(f); 　　　NodeList nl = doc.getElementsByTagName("VALUE"); 　　　for (int i=0;i＜nl.getLength();i++){ 　　　　System.out.print("車牌號碼:" + doc.getElementsByTagName("NO").item(i).getFirstChild().getNodeValue()); 　　　　System.out.println("車主地址:" + doc.getElementsByTagName("ADDR").item(i).getFirstChild().getNodeValue()); 　　} 　　}catch(Exception e){ 　　　e.printStackTrace(); 　　} 　　System.out.println("已耗用時間："+(System.currentTimeMillis() - lasting)+"毫秒");}}  　　10k消耗時間：265 203 219 172 　　100k消耗時間：9172 9016 8891 9000 　　1000k消耗時間：691719 675407 708375 739656 　　10000k消耗時間：OutOfMemoryError 　　接著是SAX 　　這種處理的優點非常類似於流媒體的優點。分析能夠立即開始，而不是等待所有的資料被處理。而且，由於應用程式只是在讀取資料時檢查資料，因此不需要將資料存放區在記憶體中。這對於大型文檔來說是個巨大的優點。事實上，應用程式甚至不必解析整個文檔；它可以在某個條件得到滿足時停止解析。一般來說，SAX還比它的替代者DOM快許多。  　　選擇DOM還是選擇SAX？ 　　對於需要自己編寫代碼來處理XML文檔的開發人員來說，  　　選擇DOM還是SAX解析模型是一個非常重要的設計決策。 　　DOM採用建立樹形結構的方式訪問XML文檔，而SAX採用的事件模型。 　　DOM解析器把XML文檔轉化為一個包含其內容的樹，並可以對樹進行遍曆。用DOM解析模型的優點是編程容易，開發人員只需要調用建樹的指令，然後利用navigation APIs訪問所需的樹節點來完成任務。可以很容易的添加和修改樹中的元素。然而由於使用DOM解析器的時候需要處理整個XML文檔，所以對效能和記憶體的要求比較高，尤其是遇到很大的XML檔案的時候。由於它的遍曆能力，DOM解析器常用於XML文檔需要頻繁的改變的服務中。 　　SAX解析器採用了基於事件的模型，它在解析XML文檔的時候可以觸發一系列的事件，當發現給定的tag的時候，它可以啟用一個回調方法，告訴該方法制定的標籤已經找到。SAX對記憶體的要求通常會比較低，因為它讓開發人員自己來決定所要處理的tag。特別是當開發人員只需要處理文檔中所包含的部分資料時，SAX這種擴充能力得到了更好的體現。但用SAX解析器的時候編碼工作會比較困難，而且很難同時訪問同一個文檔中的多處不同資料。 　　Bean檔案： 　　package com.test;import org.xml.sax.*;import org.xml.sax.helpers.*;import javax.xml.parsers.*; 　　public class MyXMLReader extends DefaultHandler { 　　java.util.Stack tags = new java.util.Stack(); 　　public MyXMLReader() { 　　super();} 　　public static void main(String args[]) { 　　long lasting = System.currentTimeMillis(); 　　try { 　　　SAXParserFactory sf = SAXParserFactory.newInstance(); 　　　SAXParser sp = sf.newSAXParser(); 　　　MyXMLReader reader = new MyXMLReader(); 　　　sp.parse(new InputSource("data_10k.xml"), reader); 　　} catch (Exception e) { 　　　e.printStackTrace(); 　　} 　　System.out.println("已耗用時間：" + (System.currentTimeMillis() - lasting) + "毫秒");} 　　public void characters(char ch[], int start, int length) throws SAXException { 　　String tag = (String) tags.peek(); 　　if (tag.equals("NO")) {  　　　System.out.print("車牌號碼：" + new String(ch, start, length));}if (tag.equals("ADDR")) { 　　System.out.println("地址:" + new String(ch, start, length));}} 　　public void startElement(String uri,String localName,String qName,Attributes attrs) { 　　tags.push(qName);}}  　　10k消耗時間：110 47 109 78 　　100k消耗時間：344 406 375 422 　　1000k消耗時間：3234 3281 3688 3312 　　10000k消耗時間：32578 34313 31797 31890 30328 　　然後是JDOM http://www.jdom.org/ 　　JDOM的目的是成為Java特定文檔模型，它簡化與XML的互動並且比使用DOM實現更快。由於是第一個Java特定模型，JDOM一直得到大力推廣和促進。正在考慮通過“Java規範請求JSR-102”將它最終用作“Java標準擴充”。從2000年初就已經開始了JDOM開發。 　　JDOM與DOM主要有兩方面不同。首先，JDOM僅使用具體類而不使用介面。這在某些方面簡化了API，但是也限制了靈活性。第二，API大量使用了Collections類，簡化了那些已經熟悉這些類的Java開發人員的使用。 　　JDOM文檔聲明其目的是“使用20%(或更少)的精力解決80%(或更多)Java/XML問題”(根據學習曲線假定為20%)。JDOM對於大多數Java/XML應用程式來說當然是有用的，並且大多數開發人員發現API比DOM容易理解得多。JDOM還包括對程式行為的相當廣泛檢查以防止使用者做任何在XML中無意義的事。然而，它仍需要您充分理解XML以便做一些超出基本的工作(或者甚至理解某些情況下的錯誤)。這也許是比學習DOM或JDOM介面都更有意義的工作。 　　JDOM自身不包含解析器。它通常使用SAX2解析器來解析和驗證輸入XML文檔(儘管它還可以將以前構造的DOM表示作為輸入)。它包含一些轉換器以將JDOM表示輸出成SAX2事件流、DOM模型或XML文字文件。JDOM是在Apache許可證變體下發布的開放源碼。 　　Bean檔案： 　　package com.test; 　　import java.io.*;import java.util.*;import org.jdom.*;import org.jdom.input.*; 　　public class MyXMLReader { 　　public static void main(String arge[]) { 　　long lasting = System.currentTimeMillis(); 　　try { 　　　SAXBuilder builder = new SAXBuilder();  　　　Document doc = builder.build(new File("data_10k.xml"));  　　　Element foo = doc.getRootElement();  　　　List allChildren = foo.getChildren();  　　　for(int i=0;i＜allChildren.size();i++) {  　　　　System.out.print("車牌號碼:" + ((Element)allChildren.get(i)).getChild("NO").getText()); 　　　　System.out.println("車主地址:" + ((Element)allChildren.get(i)).getChild("ADDR").getText()); 　　　} 　　} catch (Exception e) { 　　　e.printStackTrace(); 　　} 　　System.out.println("已耗用時間：" + (System.currentTimeMillis() - lasting) + "毫秒");}}  　　10k消耗時間：125 62 187 94 　　100k消耗時間：704 625 640 766 　　1000k消耗時間：27984 30750 27859 30656 　　10000k消耗時間：OutOfMemoryError 　　最後是DOM4J http://dom4j.sourceforge.net/ 　　雖然DOM4J代表了完全獨立的開發結果，但最初，它是JDOM的一種智能分支。它合并了許多超出基本XML文檔表示的功能，包括整合的XPath支援、XML Schema支援以及用於大文檔或流化文檔的基於事件的處理。它還提供了構建文檔表示的選項，它通過DOM4J API和標準DOM介面具有並行訪問功能。從2000下半年開始，它就一直處於開發之中。 　　為支援所有這些功能，DOM4J使用介面和抽象基本類方法。DOM4J大量使用了API中的Collections類，但是在許多情況下，它還提供一些替代方法以允許更好的效能或更直接的編碼方法。直接好處是，雖然DOM4J付出了更複雜的API的代價，但是它提供了比JDOM大得多的靈活性。 　　在添加靈活性、XPath整合和對大文檔處理的目標時，DOM4J的目標與JDOM是一樣的：針對Java開發人員的易用性和直觀操作。它還致力於成為比JDOM更完整的解決方案，實現在本質上處理所有Java/XML問題的目標。在完成該目標時，它比JDOM更少強調防止不正確的應用程式行為。 　　DOM4J是一個非常非常優秀的Java XML API，具有效能優異、功能強大和極端易用使用的特點，同時它也是一個開放原始碼的軟體。如今你可以看到越來越多的Java軟體都在使用DOM4J來讀寫XML，特別值得一提的是連Sun的JAXM也在用DOM4J。 　　Bean檔案： 　　package com.test; 　　import java.io.*;import java.util.*;import org.dom4j.*;import org.dom4j.io.*; 　　public class MyXMLReader { 　　public static void main(String arge[]) { 　　long lasting = System.currentTimeMillis(); 　　try { 　　　File f = new File("data_10k.xml"); 　　　SAXReader reader = new SAXReader(); 　　　Document doc = reader.read(f); 　　　Element root = doc.getRootElement(); 　　　Element foo; 　　　for (Iterator i = root.elementIterator("VALUE"); i.hasNext();) { 　　　　foo = (Element) i.next(); 　　　　System.out.print("車牌號碼:" + foo.elementText("NO")); 　　　　System.out.println("車主地址:" + foo.elementText("ADDR")); 　　　} 　　} catch (Exception e) { 　　　e.printStackTrace(); 　　} 　　System.out.println("已耗用時間：" + (System.currentTimeMillis() - lasting) + "毫秒");}}  　　10k消耗時間：109 78 109 31 　　100k消耗時間：297 359 172 312 　　1000k消耗時間：2281 2359 2344 2469 　　10000k消耗時間：20938 19922 20031 21078 　　JDOM和DOM在效能測試時表現不佳，在測試10M文檔時記憶體溢出。在小文檔情況下還值得考慮使用DOM和JDOM。雖然JDOM的開發人員已經說明他們期望在正式發行版前專註效能問題，但是從效能觀點來看，它確實沒有值得推薦之處。另外，DOM仍是一個非常好的選擇。DOM實現廣泛應用於多種程式設計語言。它還是許多其它與XML相關的標準的基礎，因為它正式獲得W3C推薦(與基於非標準的Java模型相對)，所以在某些類型的項目中可能也需要它(如在JavaScript中使用DOM)。 　　SAX表現較好，這要依賴於它特定的解析方式。一個SAX檢測即將到來的XML流，但並沒有載入到記憶體(當然當XML流被讀入時，會有部分文檔暫時隱藏在記憶體中)。 　　無疑，DOM4J是這場測試的獲勝者，目前許多開源項目中大量採用DOM4J，例如大名鼎鼎的Hibernate也用DOM4J來讀取XML設定檔。如果不考慮可移植性，那就採用DOM4J吧！(文/rosen）