dom4j处理大文件

前几天因为个人爱好，学习在Java中处理XML文档。java是开源的，自然用于处理xml的技术也是满天星斗，在网上奔波了数十分钟最终决定使用 dom4j。对于入门的使用就像是羊粑粑沥漏落落满天星，很快掌握。可是当读写的xml文档稍大时这些代码就经受不住考验了，一个老问题内存溢出。这说明 网上大部分的代码是将xml文档全部读入内存进行操作或是在内存中建立完整的xml文档再一次性的写入文件。有办法了，求助于网络，百度、 google搜了便，可结果是城市的天空根本看不见星星。更有为数不少的人得出结论，使用dom4j操作xml文档时受到文件大小的限制（纯属谬论），那 么多的高手开发出的dom4j会考虑不到大文件的问题？求人不如求己，虽然本人英语其差（大学英语4级290分），还是决定上官方网站寻求答案（www.dom4j.org

）。刚登录就在常见问题中看到了下面的问题

How does dom4j handle very large XML documents?（该句中80%的单词我还是认识的）

下面是本人的理解英语好的人应该去看英文原版，不要看我的垃圾翻译。

­

dom4j提供了基于事件的模型来操作xml文档。利用该模型开发人员可以一部分、一部分的处理XML文档，而不需要将整个XML文档都加载到内存中。例如：假想你要处理一个非常大的XML文档，它可能是由数据库的某张数据表而来的。如下所示：

<ROWSET>
<ROW ID="1">
  ...
</ROW>
<ROW ID="2">
  ...
</ROW>
...
<ROW ID="N">
  ...
</ROW>
</ROWSET> 

 

我们可以在某一时间只处理一个ROW节点，而不必立刻将文档的所有内容加载到内存中。dom4j提供一个基于事件的模型来实现它。我们可以注册 一个事件处理器来处理一个或多个路径表达式。事件处理器会在注册路径的开始和结束时被调用执行。当注册路径的开始标签找到时执行事件处理器的 onStart()方法，当注册路径的结束标签被找到时执行事件处理器的onEnd()方法。

­

onStart()和onEnd()方法传递一个ElementPath实例参数，这个实例既为根据注册路径遍历xml文档时的当前节点（Element）。如果想对遍历的当前节点进行操作，可以在onEnd()方法中对当前节点调用detach()方法保存改。

下面是示例代码：

 

SAXReader reader = new SAXReader();
reader.addHandler( "/ROWSET/ROW",
    new ElementHandler() {
        public void onStart(ElementPath path) {
            // do nothing here...    
        }
        public void onEnd(ElementPath path) {
            // process a ROW element
            Element row = path.getCurrent();
            Element rowSet = row.getParent();
            Document document = row.getDocument();
            ...
            // prune the tree
            row.detach();
        }
    }
);
 
Document document = reader.read(url); 

 

上面的办法解决了读的问题可是写的问题还没有解决。我命由我不由天（吹牛皮），畅游dom4j的doc文档找到如下几个方法

startDocument()
writeOpen();
writeClose();
endDocument();

 

动手一试，问题搞定，看来牛皮没白吹。下面是示例代码：

 

/**
  * 数据写入xml文件
  * @param filePath 目标xml文件的存放路径
  * @return
  */
public boolean writeXML(String filePath){
  XMLWriter out;
  try {
  
   /*
    * 创建XMLWriter对象，设置XML编码，解决中文问题。
    */
   OutputFormat outputFormat = OutputFormat.createPrettyPrint();
   outputFormat.setEncoding("GBK");
   out = new XMLWriter(new FileWriter(filePath),outputFormat);
  
  
   out.startDocument();
   Element rootElement = DocumentHelper.createElement("mans");
   out.writeOpen(rootElement);
  
   /*
    * 向mans节点写入子节点
    */
   for(int i=0 ; i<1000000 ; i++){
    Element man = createManElement(new Long(i), "shuhang"+i);//用于创建节点的方法
    out.write(man);
    System.out.println(" the loop index is : " + i);
   }
  
   out.writeClose(rootElement);
   out.endDocument();
  
   out.close();
   return true;
  } catch (IOException e) {
   e.printStackTrace();
   return false;
  } catch (SAXException e) {
   e.printStackTrace();
   return false;
  }
}

 

­

新问题出现。对于读取数据的方法，在onEnd()方法中只是进行对Element的简单操作而已，若要对Element进行复杂的处理怎么 办，如将Element节点的数据写入数据库，无法在onEnd()方法中加入过多的代码，因为无法通过编译。仔细想了一下dom4j的注册事件处理器应 该用的是模板方法，通过钩子将用户的操作加入到模板中去。何不自己写一个事件处理器来完成我们自己的定制操作，代码如下：

 

 

public class ManElementHandler implements ElementHandler {
public String mdbName;
­
public ManElementHandler(){
  
}
­
public ManElementHandler(String mdbName){
  this.mdbName = mdbName;
}
­
public boolean saveMan(Element element, String mdbName){
  return true;
}
­
public void onEnd(ElementPath arg0) {
         Element row = arg0.getCurrent();
         Element rowSet = row.getParent();
         Document document = row.getDocument();
         Element root = document.getRootElement();
  Iterator it = root.elementIterator();
  while(it.hasNext()){
   Element element = (Element)it.next();
   System.out.println(" id : " + element.elementText("id") + " name : " + element.elementText("name"));
   saveMan(element, this.mdbName);
  }
         row.detach();
}
public void onStart(ElementPath path) {
  
}
}

 

 

下面给出完整的实例代码。该实例首先创建一个xml文档，然后读取xml文档中的数据并将数据写入Access数据库中。测试时使用的文件大小为125M未发生内存溢出。

 

//*****************************************************************************************************************
package com;
import java.sql.Connection;
import java.sql.DriverManager;
/**
* 获取Access数据库的连接
* @author 佛山无影脚
* @version 1.0
* Jul 7, 2008  4:35:49 PM
*/
public class AccessMDBUtil {
public static Connection connectMdb(String mdbName) {
  if(mdbName == null || mdbName.equals("")){
   return null;
  }
  try {
   Class.forName("sun.jdbc.odbc.JdbcOdbcDriver");
   String dburl ="jdbc:odbc:driver={Microsoft Access Driver (*.mdb)};DBQ="+mdbName;
   Connection conn=DriverManager.getConnection(dburl);
   return conn;
  } catch (Exception e) {
   e.printStackTrace();
   return null;
  }
}
}
//*******************************************************************************************************************
//*******************************************************************************************************************
package com;
import java.sql.Connection;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
import java.util.Iterator;
import org.dom4j.Document;
import org.dom4j.Element;
import org.dom4j.ElementHandler;
import org.dom4j.ElementPath;
/**
* 定制的事件处理器
* @author 佛山无影脚
* @version 1.0
* Jul 7, 2008  4:35:49 PM
*/
public class ManElementHandler implements ElementHandler {
public String mdbName;//数据库名称 含路径
­
public ManElementHandler(){
  
}
­
public ManElementHandler(String mdbName){
  this.mdbName = mdbName;
}
­
/**
  *将Element节点数据保存到数据库
  *@param element 遍历XML文档时的当前节点
  *@param mdbName 数据库名称 含路径
  *@return
  */
public boolean saveMan(Element element, String mdbName){
  System.out.println(" the method saveMan in ManElementHandler is execute!");
  Statement stmt = null;
  ResultSet rs = null;
  Connection conn = null;
  try {
   conn= AccessMDBUtil.connectMdb(mdbName);
   stmt=conn.createStatement();
   String sql = "insert into mans(id,name) values(" + element.elementText("id") + ",'" + element.elementText("name") + "')";
   stmt.executeUpdate(sql);
  
  } catch (Exception e) {
   e.printStackTrace();
   return false;
  } finally {
   if(rs != null) {
    try {
     rs.close();
    } catch (SQLException e) {
     // TODO Auto-generated catch block
     e.printStackTrace();
    }
   }
   if(stmt != null) {
    try {
     stmt.close();
    } catch (SQLException e) {
     // TODO Auto-generated catch block
     e.printStackTrace();
    }
   }
   if(conn != null) {
    try {
     conn.close();
    } catch (SQLException e) {
     // TODO Auto-generated catch block
     e.printStackTrace();
    }
   }
  
  }
  
  return true;
}
­
public void onEnd(ElementPath arg0) {
         Element row = arg0.getCurrent();
         Element rowSet = row.getParent();
         Document document = row.getDocument();
         Element root = document.getRootElement();
  Iterator it = root.elementIterator();
  while(it.hasNext()){
   Element element = (Element)it.next();
   System.out.println(" id : " + element.elementText("id") + " name : " + element.elementText("name"));
   saveMan(element, this.mdbName);
  }
          row.detach();
}
public void onStart(ElementPath path) {
  
}
}
//*************************************************************************************************************************
//*************************************************************************************************************************
package com;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.DocumentHelper;
import org.dom4j.Element;
import org.dom4j.io.OutputFormat;
import org.dom4j.io.SAXReader;
import org.dom4j.io.XMLWriter;
import org.xml.sax.SAXException;
import org.xml.sax.XMLReader;
/**
* 测试
* @author 佛山无影脚
* @version 1.0
* Jul 7, 2008  4:35:49 PM
*/
public class ManTest {
/**
  * 创建man节点
  * <man><id>1</id><name>佛山无影脚</name></man>
  * @param id
  * @param name
  * @return
  */
public Element createManElement(Long id,String name){
  Element manElement = DocumentHelper.createElement("man");
  manElement.addElement("id").addText(id.toString());
  manElement.addElement("name").addText(name);
  return manElement;
}
­
/**
  * 数据写入xml文件
  * @param filePath 目标xml文件的存放路径
  * @return
  */
public boolean writeXML(String filePath){
  XMLWriter out;
  try {
  
   /*
    * 创建XMLWriter对象，设置XML编码，解决中文问题。
    */
   OutputFormat outputFormat = OutputFormat.createPrettyPrint();
   outputFormat.setEncoding("GBK");
   out = new XMLWriter(new FileWriter(filePath),outputFormat);
  
  
   out.startDocument();
   Element rootElement = DocumentHelper.createElement("mans");
   out.writeOpen(rootElement);
  
   /*
    * 向mans节点写入子节点
    */
   for(int i=0 ; i<1000000 ; i++){
    Element man = this.createManElement(new Long(i), "shuhang"+i);
    out.write(man);
    System.out.println(" the loop index is : " + i);
   }
  
   out.writeClose(rootElement);
   out.endDocument();
  
   out.close();
   return true;
  } catch (IOException e) {
   e.printStackTrace();
   return false;
  } catch (SAXException e) {
   e.printStackTrace();
   return false;
  }
}
­
/**
  * 从xml文件中读取数据，并将数据写入Access数据
  * @param filePath xml文件的存放路径
  * @return
  */
public boolean readXML(String filePath){
  
  ManElementHandler manElementHandler = new ManElementHandler("F://dom4j//xmlTest.mdb");
  SAXReader reader = new SAXReader();
  reader.addHandler( "/mans/man", manElementHandler);
  Document document = null;
     try {
      File file = new File(filePath);
   document = reader.read(file);
  } catch (DocumentException e) {
   e.printStackTrace();
   return false;
  }
  return true;
}
­
­
public static void main(String[] args){
  XMLReader reader = null;
  long startTime = System.currentTimeMillis();
  ManTest mantest = new ManTest();
  
  mantest.writeXML("f://dom4j//mans.xml");
  mantest.readXML("f://dom4j//mans.xml");
  
  long endTime = System.currentTimeMillis();
  System.out.println(" is end! the millis is : " + (endTime - startTime));
  
}
}
//*************************************************************************************************************************
­

 

评论

1 楼 nikalan 2011-12-26  

MarkMark