Java中四種XML解析技術(shù)之不完全測(cè)試
測(cè)試環(huán)境：
AMD毒龍1.4G OC 1.5G、256M DDR333、Windows00 Server SP4、Sun JDK 1.4.1+Eclipse 2.1+Resin 2.1.8，在Debug模式下測(cè)試。 字串6
XML文件格式如下：
| 以下為引用的內(nèi)容： <?xml version="1.0" encoding="GB2312"?><RESULT><VALUE> 字串3
<NO>A1234</NO> 字串6 <ADDR>四川省XX縣XX鎮(zhèn)XX路X段XX號(hào)</ADDR></VALUE><VALUE> 字串5 <NO>B1234</NO> 字串7 <ADDR>四川省XX市XX鄉(xiāng)XX村XX組</ADDR></VALUE></RESULT> 字串3 |
字串2
測(cè)試方法： 字串8
讓每一種方案分別解析10K、100K、1000K、10000K的XML文件，計(jì)算其消耗時(shí)間(單位:毫秒)。
字串3
| 以下為引用的內(nèi)容： JSP文件： 字串3 <%@ page contentType="text/html; charset=gb2312" %><%@ page import="com.test.*"%> 字串4 <html><body><%String args[]={""};MyXMLReader.main(args);%></body></html> 字串8
|
字串8
測(cè)試 字串9
首先出場(chǎng)的是DOM(JAXP Crimson解析器) 字串4
DOM是用與平臺(tái)和語(yǔ)言無(wú)關(guān)的方式表示XML文檔的官方W3C標(biāo)準(zhǔn)。DOM是以層次結(jié)構(gòu)組織的節(jié)點(diǎn)或信息片斷的集合。這個(gè)層次結(jié)構(gòu)允許開(kāi)發(fā)人員在樹(shù)中尋找特定信息。分析該結(jié)構(gòu)通常需要加載整個(gè)文檔和構(gòu)造層次結(jié)構(gòu)，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(rèn)為是基于樹(shù)或基于對(duì)象的。DOM以及廣義的基于樹(shù)的處理具有幾個(gè)優(yōu)點(diǎn)。首先，由于樹(shù)在內(nèi)存中是持久的，因此可以修改它以便應(yīng)用程序能對(duì)數(shù)據(jù)和結(jié)構(gòu)作出更改。它還可以在任何時(shí)候在樹(shù)中上下導(dǎo)航，而不是像SAX那樣是一次性的處理。DOM使用起來(lái)也要簡(jiǎn)單得多。 字串9
另一方面，對(duì)于特別大的文檔，解析和加載整個(gè)文檔可能很慢且很耗資源，因此使用其他手段來(lái)處理這樣的數(shù)據(jù)會(huì)更好。這些基于事件的模型，比如SAX。 字串8
| 以下為引用的內(nèi)容： Bean文件： 字串5 package com.test; 字串5
import java.io.*;import java.util.*;import org.w3c.dom.*;import javax.xml.parsers.*; 字串1
public class MyXMLReader{ 字串6 public static void main(String arge[]){ 字串4 long lasting =System.currentTimeMillis(); 字串2 try{ 字串5
File f=new File("data_10k.xml"); 字串9 DocumentBuilderFactory factory=DocumentBuilderFactory.newInstance(); 字串9 DocumentBuilder builder=factory.newDocumentBuilder(); 字串4 Document doc = builder.parse(f); 字串6 NodeList nl = doc.getElementsByTagName("VALUE"); 字串1
for (int i=0;i<nl.getLength();i++){ 字串8 System.out.print("車牌號(hào)碼:" + doc.getElementsByTagName("NO").item(i).getFirstChild().getNodeValue()); 字串4
System.out.println("車主地址:" + doc.getElementsByTagName("ADDR").item(i).getFirstChild().getNodeValue()); 字串4
} 字串4 }catch(Exception e){ 字串4 e.printStackTrace(); 字串8 } 字串9 System.out.println("運(yùn)行時(shí)間："+(System.currentTimeMillis() - lasting)+"毫秒");}} 字串3
10k消耗時(shí)間：265 3 219 172 字串1
100k消耗時(shí)間：9172 9016 8891 9000 字串9
1000k消耗時(shí)間：691719 675407 708375 739656 字串2 10000k消耗時(shí)間：OutOfMemoryError 字串4 |
字串7
接著是SAX
字串3
這種處理的優(yōu)點(diǎn)非常類似于流媒體的優(yōu)點(diǎn)。分析能夠立即開(kāi)始，而不是等待所有的數(shù)據(jù)被處理。而且，由于應(yīng)用程序只是在讀取數(shù)據(jù)時(shí)檢查數(shù)據(jù)，因此不需要將數(shù)據(jù)存儲(chǔ)在內(nèi)存中。這對(duì)于大型文檔來(lái)說(shuō)是個(gè)巨大的優(yōu)點(diǎn)。事實(shí)上，應(yīng)用程序甚至不必解析整個(gè)文檔；它可以在某個(gè)條件得到滿足時(shí)停止解析。一般來(lái)說(shuō)，SAX還比它的替代者DOM快許多。
字串2
選擇DOM還是選擇SAX？
字串8
對(duì)于需要自己編寫代碼來(lái)處理XML文檔的開(kāi)發(fā)人員來(lái)說(shuō)，選擇DOM還是SAX解析模型是一個(gè)非常重要的設(shè)計(jì)決策。
字串1
DOM采用建立樹(shù)形結(jié)構(gòu)的方式訪問(wèn)XML文檔，而SAX采用的事件模型。
字串6
DOM解析器把XML文檔轉(zhuǎn)化為一個(gè)包含其內(nèi)容的樹(shù)，并可以對(duì)樹(shù)進(jìn)行遍歷。用DOM解析模型的優(yōu)點(diǎn)是編程容易，開(kāi)發(fā)人員只需要調(diào)用建樹(shù)的指令，然后利用navigation APIs訪問(wèn)所需的樹(shù)節(jié)點(diǎn)來(lái)完成任務(wù)�？梢院苋菀椎奶砑雍托薷臉�(shù)中的元素。然而由于使用DOM解析器的時(shí)候需要處理整個(gè)XML文檔，所以對(duì)性能和內(nèi)存的要求比較高，尤其是遇到很大的XML文件的時(shí)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(wù)中。 字串3
SAX解析器采用了基于事件的模型，它在解析XML文檔的時(shí)候可以觸發(fā)一系列的事件，當(dāng)發(fā)現(xiàn)給定的tag的時(shí)候，它可以一個(gè)回調(diào)方法，告訴該方法制定的標(biāo)簽已經(jīng)找到。SAX對(duì)內(nèi)存的要求通常會(huì)比較低，因?yàn)樗岄_(kāi)發(fā)人員自己來(lái)決定所要處理的tag。特別是當(dāng)開(kāi)發(fā)人員只需要處理文檔中所包含的部分?jǐn)?shù)據(jù)時(shí)，SAX這種擴(kuò)展能力得到了更好的體現(xiàn)。但用SAX解析器的時(shí)候編碼工作會(huì)比較困難，而且很難同時(shí)訪問(wèn)同一個(gè)文檔中的多處不同數(shù)據(jù)。
| 以下為引用的內(nèi)容： Bean文件： 字串6 package com.test;import org.xml.sax.*;import org.xml.sax.helpers.*;import javax.xml.parsers.*; 字串1
public class MyXMLReader extends DefaultHandler { 字串5
java.util.Stack tags = new java.util.Stack(); 字串6 public MyXMLReader() { 字串2 super();} 字串1 public static void main(String args[]) { 字串3 long lasting = System.currentTimeMillis(); 字串3
try { 字串6 SAXParserFactory sf = SAXParserFactory.newInstance(); 字串7 SAXParser sp = sf.newSAXParser(); 字串1
MyXMLReader reader = new MyXMLReader(); 字串5
sp.parse(new InputSource("data_10k.xml"), reader); 字串4
} catch (Exception e) { 字串1 e.printStackTrace(); 字串7 } 字串2 System.out.println("運(yùn)行時(shí)間：" + (System.currentTimeMillis() - lasting) + "毫秒");} 字串1 public void characters(char ch[], int start, int length) throws SAXException { 字串9 String tag = (String) tags.peek(); 字串3 if (tag.equals("NO")) { 字串4 System.out.print("車牌號(hào)碼：" + new String(ch, start, length));}if (tag.equals("ADDR")) { 字串9 System.out.println("地址:" + new String(ch, start, length));}} 字串9 public void startElement(String uri,String localName,String qName,Attributes attrs) { 字串1 tags.push(qName);}} 字串8 10k消耗時(shí)間：110 47 109 78 字串5 100k消耗時(shí)間：344 406 375 422 字串4 1000k消耗時(shí)間：3234 3281 3688 3312 字串3
10000k消耗時(shí)間：32578 34313 31797 31890 30328 字串3 |
然后是JDOM http://www.jdom.org/ 字串3
JDOM的目的是成為Java特定文檔模型，它簡(jiǎn)化與XML的交互并且比使用DOM實(shí)現(xiàn)更快。由于是個(gè)Java特定模型，JDOM一直得到大力推廣和促進(jìn)。正在考慮通過(guò)“Java規(guī)范請(qǐng)求JSR-102”將它最終用作“Java標(biāo)準(zhǔn)擴(kuò)展”。從00年初已經(jīng)開(kāi)始了JDOM開(kāi)發(fā)。 字串9
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(jiǎn)化了API，但是也限制了靈活性。第二，API大量使用了Collections類，簡(jiǎn)化了那些已經(jīng)熟悉這些類的Java開(kāi)發(fā)者的使用。
字串2
JDOM文檔聲明其目的是“使用%(或更少)的精力解決80%(或更多)Java/XML問(wèn)題”(根據(jù)學(xué)習(xí)曲線假定為%)。JDOM對(duì)于大多數(shù)Java/XML應(yīng)用程序來(lái)說(shuō)當(dāng)然是有用的，并且大多數(shù)開(kāi)發(fā)者發(fā)現(xiàn)API比DOM容易理解得多。JDOM還包括對(duì)程序行為的相當(dāng)廣泛檢查以防止用戶做任何在XML中無(wú)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(cuò)誤)。這也許是比學(xué)習(xí)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(lái)解析和驗(yàn)證輸入XML文檔(盡管它還可以將以前構(gòu)造的DOM表示作為輸入)。它包含一些轉(zhuǎn)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(fā)布的開(kāi)放源碼。
字串8
| 以下為引用的內(nèi)容： Bean文件： 字串3 package com.test; 字串3 import java.io.*;import java.util.*;import org.jdom.*;import org.jdom.input.*; 字串4 public class MyXMLReader { 字串5 public static void main(String arge[]) { 字串5
long lasting = System.currentTimeMillis(); 字串2 try { 字串8 SAXBuilder builder = new SAXBuilder(); 字串3 Document doc = builder.build(new File("data_10k.xml")); 字串3 Element foo = doc.getRootElement(); 字串5 List allChildren = foo.getChildren(); 字串2
for(int i=0;i<allChildren.size();i++) { 字串5 System.out.print("車牌號(hào)碼:" + ((Element)allChildren.get(i)).getChild("NO").getText()); 字串9 System.out.println("車主地址:" + ((Element)allChildren.get(i)).getChild("ADDR").getText()); 字串2 } 字串1 } catch (Exception e) { 字串9 e.printStackTrace(); 字串7
} 字串6
System.out.println("運(yùn)行時(shí)間：" + (System.currentTimeMillis() - lasting) + "毫秒");}} 字串6 10k消耗時(shí)間：125 62 187 94 字串6 100k消耗時(shí)間：704 625 640 766 字串6
1000k消耗時(shí)間：27984 30750 27859 30656 字串7
10000k消耗時(shí)間：OutOfMemoryError 字串3
|
字串9
是DOM4J http://dom4j.sourceforge.net/ 字串6
雖然DOM4J代表了完全獨(dú)立的開(kāi)發(fā)結(jié)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(gòu)建文檔表示的選項(xiàng)，它通過(guò)DOM4J API和標(biāo)準(zhǔn)DOM接口具有并行訪問(wèn)功能。從00下半年開(kāi)始，它一直處于開(kāi)發(fā)之中。 字串1
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(fù)雜的API的代價(jià)，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(duì)大文檔處理的目標(biāo)時(shí)，DOM4J的目標(biāo)與JDOM是一樣的：針對(duì)Java開(kāi)發(fā)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(shí)現(xiàn)在本質(zhì)上處理所有Java/XML問(wèn)題的目標(biāo)。在完成該目標(biāo)時(shí)，它比JDOM更少?gòu)?qiáng)調(diào)防止不正確的應(yīng)用程序行為。
字串4
DOM4J是一個(gè)非常非常的Java XML API，具有性能優(yōu)異、功能強(qiáng)大和極端易用使用的特點(diǎn)，同時(shí)它也是一個(gè)開(kāi)放源代碼的軟件。如今你可以看到越來(lái)越多的Java軟件都在使用DOM4J來(lái)讀寫XML，特別值得一提的是連Sun的JAXM也在用DOM4J。 字串7
Bean文件：
| 以下為引用的內(nèi)容： package com.test; 字串6 import java.io.*;import java.util.*;import org.dom4j.*;import org.dom4j.io.*; 字串8 public class MyXMLReader { 字串4 public static void main(String arge[]) { 字串8
long lasting = System.currentTimeMillis(); 字串3 try { 字串4 File f = new File("data_10k.xml"); 字串1
SAXReader reader = new SAXReader(); 字串6
Document doc = reader.read(f); 字串6 Element root = doc.getRootElement(); 字串6 Element foo; 字串9 for (Iterator i = root.elementIterator("VALUE"); i.hasNext();) { 字串9
foo = (Element) i.next(); 字串7 System.out.print("車牌號(hào)碼:" + foo.elementText("NO")); 字串5 System.out.println("車主地址:" + foo.elementText("ADDR")); 字串2 } 字串6 } catch (Exception e) { 字串2 e.printStackTrace(); 字串8 } 字串9 System.out.println("運(yùn)行時(shí)間：" + (System.currentTimeMillis() - lasting) + "毫秒");}} 字串2 10k消耗時(shí)間：109 78 109 31 字串9 100k消耗時(shí)間：297 359 172 312 字串6 1000k消耗時(shí)間：2281 2359 2344 2469 字串5
10000k消耗時(shí)間：938 19922 031 21078 字串7 |
JDOM和DOM在性能測(cè)試時(shí)表現(xiàn)不佳，在測(cè)試10M文檔時(shí)內(nèi)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(kāi)發(fā)者已經(jīng)說(shuō)明他們期望在正式發(fā)行版前專注性能問(wèn)題，但是從性能觀點(diǎn)來(lái)看，它確實(shí)沒(méi)有值得推薦之處。另外，DOM仍是一個(gè)非常好的選擇。DOM實(shí)現(xiàn)廣泛應(yīng)用于多種編程語(yǔ)言。它還是許多其它與XML相關(guān)的標(biāo)準(zhǔn)的基礎(chǔ)，因?yàn)樗将@得W3C推薦(與基于非標(biāo)準(zhǔn)的Java模型相對(duì))，所以在某些類型的項(xiàng)目中可能也需要它(如在JavaScript中使用DOM)。
字串7
SAX表現(xiàn)較好，這要依賴于它特定的解析方式。一個(gè)SAX檢測(cè)即將到來(lái)的XML流，但并沒(méi)有載入到內(nèi)存(當(dāng)然當(dāng)XML流被讀入時(shí)，會(huì)有部分文檔暫時(shí)隱藏在內(nèi)存中)。
字串5
無(wú)疑，DOM4J是這場(chǎng)測(cè)試的獲勝者，目前許多開(kāi)源項(xiàng)目中大量采用DOM4J，例如大名鼎鼎的Hibernate也用DOM4J來(lái)讀取XML配置文件。如果不考慮可移植性，那采用DOM4J吧