[转贴]Java中四种XML解析技术之不完全测试

本文来自于:
http://www.blogjava.net/rosen/archive/2005/08/12/9950.html

在平时工作中，难免会遇到把xml作为数据存储格式。面对目前种类繁多的解决方案，哪个最适合我们呢？在这篇文章中，我对这四种主流方案做一个不完全评测，仅仅针对遍历xml这块来测试，因为遍历xml是工作中使用最多的(至少我认为)。

预备

测试环境：

amd毒龙1.4g oc 1.5g、256m ddr333、windows2000 server sp4、sun jdk 1.4.1+eclipse 2.1+resin 2.1.8，在debug模式下测试。

xml文件格式如下：

＜?xml version="1.0" encoding="gb2312"?＞＜result＞＜value＞

＜no＞a1234＜/no＞

＜addr＞四川省xx县xx镇xx路x段xx号＜/addr＞＜/value＞＜value＞

＜no＞b1234＜/no＞

＜addr＞四川省xx市xx乡xx村xx组＜/addr＞＜/value＞＜/result＞

测试方法：

采用jsp端调用bean(至于为什么采用jsp来调用，请参考：http://blog.csdn.net/rosen/archive/2004/10/15/138324.aspx)，让每一种方案分别解析10k、100k、1000k、10000k的xml文件，计算其消耗时间(单位:毫秒)。

jsp文件：

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

＜html＞＜body＞＜%string args[]={""};myxmlreader.main(args);%＞＜/body＞＜/html＞

测试

首先出场的是dom(jaxp crimson解析器)

dom是用与平台和语言无关的方式表示xml文档的官方w3c标准。dom是以层次结构组织的节点或信息片断的集合。这个层次结构允许开发人员在树中寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构，然后才能做任何工作。由于它是基于信息层次的，因而dom被认为是基于树或基于对象的。dom以及广义的基于树的处理具有几个优点。首先，由于树在内存中是持久的，因此可以修改它以便应用程序能对数据和结构作出更改。它还可以在任何时候在树中上下导航，而不是像sax那样是一次性的处理。dom使用起来也要简单得多。

另一方面，对于特别大的文档，解析和加载整个文档可能很慢且很耗资源，因此使用其他手段来处理这样的数据会更好。这些基于事件的模型，比如sax。

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("车牌号码:" + doc.getelementsbytagname("no").item(i).getfirstchild().getnodevalue());

system.out.println("车主地址:" + doc.getelementsbytagname("addr").item(i).getfirstchild().getnodevalue());

}

}catch(exception e){

e.printstacktrace();

}

system.out.println("运行时间："+(system.currenttimemillis() - lasting)+"毫秒");}}

10k消耗时间：265 203 219 172

100k消耗时间：9172 9016 8891 9000

1000k消耗时间：691719 675407 708375 739656

10000k消耗时间：outofmemoryerror

接着是sax

这种处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上，应用程序甚至不必解析整个文档；它可以在某个条件得到满足时停止解析。一般来说，sax还比它的替代者dom快许多。
选择dom还是选择sax？

对于需要自己编写代码来处理xml文档的开发人员来说，

选择dom还是sax解析模型是一个非常重要的设计决策。

dom采用建立树形结构的方式访问xml文档，而sax采用的事件模型。

dom解析器把xml文档转化为一个包含其内容的树，并可以对树进行遍历。用dom解析模型的优点是编程容易，开发人员只需要调用建树的指令，然后利用navigation apis访问所需的树节点来完成任务。可以很容易的添加和修改树中的元素。然而由于使用dom解析器的时候需要处理整个xml文档，所以对性能和内存的要求比较高，尤其是遇到很大的xml文件的时候。由于它的遍历能力，dom解析器常用于xml文档需要频繁的改变的服务中。

sax解析器采用了基于事件的模型，它在解析xml文档的时候可以触发一系列的事件，当发现给定的tag的时候，它可以激活一个回调方法，告诉该方法制定的标签已经找到。sax对内存的要求通常会比较低，因为它让开发人员自己来决定所要处理的tag。特别是当开发人员只需要处理文档中所包含的部分数据时，sax这种扩展能力得到了更好的体现。但用sax解析器的时候编码工作会比较困难，而且很难同时访问同一个文档中的多处不同数据。

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("运行时间：" + (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("车牌号码：" + 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消耗时间：110 47 109 78

100k消耗时间：344 406 375 422

1000k消耗时间：3234 3281 3688 3312

10000k消耗时间：32578 34313 31797 31890 30328

然后是jdom http://www.jdom.org/

jdom的目的是成为java特定文档模型，它简化与xml的交互并且比使用dom实现更快。由于是第一个java特定模型，jdom一直得到大力推广和促进。正在考虑通过“java规范请求jsr-102”将它最终用作“java标准扩展”。从2000年初就已经开始了jdom开发。

jdom与dom主要有两方面不同。首先，jdom仅使用具体类而不使用接口。这在某些方面简化了api，但是也限制了灵活性。第二，api大量使用了collections类，简化了那些已经熟悉这些类的java开发者的使用。

jdom文档声明其目的是“使用20%(或更少)的精力解决80%(或更多)java/xml问题”(根据学习曲线假定为20%)。jdom对于大多数java/xml应用程序来说当然是有用的，并且大多数开发者发现api比dom容易理解得多。jdom还包括对程序行为的相当广泛检查以防止用户做任何在xml中无意义的事。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况下的错误)。这也许是比学习dom或jdom接口都更有意义的工作。

jdom自身不包含解析器。它通常使用sax2解析器来解析和验证输入xml文档(尽管它还可以将以前构造的dom表示作为输入)。它包含一些转换器以将jdom表示输出成sax2事件流、dom模型或xml文本文档。jdom是在apache许可证变体下发布的开放源码。

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("车牌号码:" + ((element)allchildren.get(i)).getchild("no").gettext());

system.out.println("车主地址:" + ((element)allchildren.get(i)).getchild("addr").gettext());

}

} catch (exception e) {

e.printstacktrace();

}

system.out.println("运行时间：" + (system.currenttimemillis() - lasting) + "毫秒");}}

10k消耗时间：125 62 187 94

100k消耗时间：704 625 640 766

1000k消耗时间：27984 30750 27859 30656

10000k消耗时间：outofmemoryerror

最后是dom4j http://dom4j.sourceforge.net/

虽然dom4j代表了完全独立的开发结果，但最初，它是jdom的一种智能分支。它合并了许多超出基本xml文档表示的功能，包括集成的xpath支持、xml schema支持以及用于大文档或流化文档的基于事件的处理。它还提供了构建文档表示的选项，它通过dom4j api和标准dom接口具有并行访问功能。从2000下半年开始，它就一直处于开发之中。

为支持所有这些功能，dom4j使用接口和抽象基本类方法。dom4j大量使用了api中的collections类，但是在许多情况下，它还提供一些替代方法以允许更好的性能或更直接的编码方法。直接好处是，虽然dom4j付出了更复杂的api的代价，但是它提供了比jdom大得多的灵活性。

在添加灵活性、xpath集成和对大文档处理的目标时，dom4j的目标与jdom是一样的：针对java开发者的易用性和直观操作。它还致力于成为比jdom更完整的解决方案，实现在本质上处理所有java/xml问题的目标。在完成该目标时，它比jdom更少强调防止不正确的应用程序行为。

dom4j是一个非常非常优秀的java xml api，具有性能优异、功能强大和极端易用使用的特点，同时它也是一个开放源代码的软件。如今你可以看到越来越多的java软件都在使用dom4j来读写xml，特别值得一提的是连sun的jaxm也在用dom4j。

bean文件：

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("车牌号码:" + foo.elementtext("no"));

system.out.println("车主地址:" + foo.elementtext("addr"));

}

} catch (exception e) {

e.printstacktrace();

}

system.out.println("运行时间：" + (system.currenttimemillis() - lasting) + "毫秒");}}

10k消耗时间：109 78 109 31

100k消耗时间：297 359 172 312

1000k消耗时间：2281 2359 2344 2469

10000k消耗时间：20938 19922 20031 21078

jdom和dom在性能测试时表现不佳，在测试10m文档时内存溢出。在小文档情况下还值得考虑使用dom和jdom。虽然jdom的开发者已经说明他们期望在正式发行版前专注性能问题，但是从性能观点来看，它确实没有值得推荐之处。另外，dom仍是一个非常好的选择。dom实现广泛应用于多种编程语言。它还是许多其它与xml相关的标准的基础，因为它正式获得w3c推荐(与基于非标准的java模型相对)，所以在某些类型的项目中可能也需要它(如在javascript中使用dom)。

sax表现较好，这要依赖于它特定的解析方式。一个sax检测即将到来的xml流，但并没有载入到内存(当然当xml流被读入时，会有部分文档暂时隐藏在内存中)。

无疑，dom4j是这场测试的获胜者，目前许多开源项目中大量采用dom4j，例如大名鼎鼎的hibernate也用dom4j来读取xml配置文件。如果不考虑可移植性，那就采用dom4j吧！(

评论

2 楼 dodoflying 2007-04-17  

呵呵，今后一定改正！谢谢提醒

1 楼 rosen 2007-04-13  

作为一个技术 blog，为广大开发人员提供知识，这无可厚非。但是请尊重作者劳动成果。
本文来自于 http://www.blogjava.net/rosen/archive/2005/08/12/9950.html ，请加上原作者信息和来源。