对Java中四种XML解析技术之不完全测试(1)

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，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。