Java中四種XML解析技術之不完全測試

2024-09-05 20:54:19

字體：大中小

來源：轉載

供稿：網友

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文件格式如下：

以下為引用的內容：

<?xml version="1.0" encoding="GB2312"?><RESULT><VALUE>

　　<ADDR>四川省XX縣XX鎮XX路X段XX號</ADDR></VALUE><VALUE>

　　<ADDR>四川省XX市XX鄉XX村XX組</ADDR></VALUE></RESULT>

測試方法：

讓每一種方案分別解析10K、100K、1000K、10000K的XML文件，計算其消耗時間(單位:毫秒)。

以下為引用的內容：

JSP文件：

　　<%@ page contentType="text/html; charset=gb2312" %><%@ page import="com.test.*"%>

測試

首先出場的是DOM(JAXP Crimson解析器)

DOM是用與平臺和語言無關的方式表示XML文檔的官方W3C標準。DOM是以層次結構組織的節點或信息片斷的集合。這個層次結構允許開發人員在樹中尋找特定信息。分析該結構通常需要加載整個文檔和構造層次結構，然后才能做任何工作。由于它是基于信息層次的，因而DOM被認為是基于樹或基于對象的。DOM以及廣義的基于樹的處理具有幾個優點。首先，由于樹在內存中是持久的，因此可以修改它以便應用程序能對數據和結構作出更改。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，對于特別大的文檔，解析和加載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數據會更好。這些基于事件的模型，比如SAX。

以下為引用的內容：

Bean文件：

　　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("運行時間：" (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于流媒體的優點。分析能夠立即開始，而不是等待所有的數據被處理。而且，由于應用程序只是在讀取數據時檢查數據，因此不需要將數據存儲在內存中。這對于大型文檔來說是個巨大的優點。事實上，應用程序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？

對于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采用建立樹形結構的方式訪問XML文檔，而SAX采用的事件模型。

DOM解析器把XML文檔轉化為一個包含其內容的樹，并可以對樹進行遍歷。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，然后利用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。然而由于使用DOM解析器的時候需要處理整個XML文檔，所以對性能和內存的要求比較高，尤其是遇到很大的XML文件的時候。由于它的遍歷能力，DOM解析器常用于XML文檔需要頻繁的改變的服務中。

SAX解析器采用了基于事件的模型，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，它可以激活一個回調方法，告訴該方法制定的標簽已經找到。SAX對內存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數據時，SAX這種擴展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數據。

以下為引用的內容：

Bean文件：

　　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("運行時間：" (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

然后是JDOM http://www.jdom.org/

JDOM的目的是成為Java特定文檔模型，它簡化與XML的交互并且比使用DOM實現更快。由于是第一個Java特定模型，JDOM一直得到大力推廣和促進。正在考慮通過“Java規范請求JSR-102”將它最終用作“Java標準擴展”。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接口。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開發者的使用。

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對于大多數Java/XML應用程序來說當然是有用的，并且大多數開發者發現API比DOM容易理解得多。JDOM還包括對程序行為的相當廣泛檢查以防止用戶做任何在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接口都更有意義的工作。

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(盡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文本文檔。JDOM是在Apache許可證變體下發布的開放源碼。

以下為引用的內容：

　　Bean文件：

　　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("運行時間：" (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

最后是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，包括集成的XPath支持、XML Schema支持以及用于大文檔或流化文檔的基于事件的處理。它還提供了構建文檔表示的選項，它通過DOM4J API和標準DOM接口具有并行訪問功能。從2000下半年開始，它就一直處于開發之中。

為支持所有這些功能，DOM4J使用接口和抽象基本類方法。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性能或更直接的編碼方法。直接好處是，雖然DOM4J付出了更復雜的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集成和對大文檔處理的目標時，DOM4J的目標與JDOM是一樣的：針對Java開發者的易用性和直觀操作。它還致力于成為比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序行為。

DOM4J是一個非常非常優秀的Java XML API，具有性能優異、功能強大和極端易用使用的特點，同時它也是一個開放源代碼的軟件。如今你可以看到越來越多的Java軟件都在使用DOM4J來讀寫XML，特別值得一提的是連Sun的JAXM也在用DOM4J。

Bean文件：

以下為引用的內容：

　　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("運行時間：" (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在性能測試時表現不佳，在測試10M文檔時內存溢出。在小文檔情況下還值得考慮使用DOM和JDOM。雖然JDOM的開發者已經說明他們期望在正式發行版前專注性能問題，但是從性能觀點來看，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實現廣泛應用于多種編程語言。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(與基于非標準的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，這要依賴于它特定的解析方式。一個SAX檢測即將到來的XML流，但并沒有載入到內存(當然當XML流被讀入時，會有部分文檔暫時隱藏在內存中)。

無疑，DOM4J是這場測試的獲勝者，目前許多開源項目中大量采用DOM4J，例如大名鼎鼎的Hibernate也用DOM4J來讀取XML配置文件。如果不考慮可移植性，那就采用DOM4J吧

上一篇：XML入門教程：XML 瀏覽器支持

下一篇：高手簡論：說說標簽切換應用原則