Java中四種XML解析技術之不完全測試

來源:互聯網
上載者:User
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)

相關文章

Beyond APAC's No.1 Cloud

19.6% IaaS Market Share in Asia Pacific - Gartner IT Service report, 2018

Learn more >

Apsara Conference 2019

The Rise of Data Intelligence, September 25th - 27th, Hangzhou, China

Learn more >

Alibaba Cloud Free Trial

Learn and experience the power of Alibaba Cloud with a free trial worth $300-1200 USD

Learn more >

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。