Java中四種XML解析技術(shù)之不完全測試
測試環(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</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，計算其消耗時間(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
測試 字串9
首先出場的是DOM(JAXP Crimson解析器) 字串4
DOM是用與平臺和語言無關(guān)的方式表示XML文檔的官方W3C標準。DOM是以層次結(jié)構(gòu)組織的節(jié)點或信息片斷的集合。這個層次結(jié)構(gòu)允許開發(fā)人員在樹中尋找特定信息。分析該結(jié)構(gòu)通常需要加載整個文檔和構(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(yōu)點。首先，由于樹在內(nèi)存中是持久的，因此可以修改它以便應(yīng)用程序能對數(shù)據(jù)和結(jié)構(gòu)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。 字串9
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(shù)據(jù)會更好。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("運行時間："+(System.currentTimeMillis() - lasting)+"毫秒");}} 字串3
10k消耗時間：265 3 219 172 字串1
100k消耗時間：9172 9016 8891 9000 字串9
1000k消耗時間：691719 675407 708375 739656 字串2 10000k消耗時間：OutOfMemoryError 字串4 |
字串7
接著是SAX
字串3
這種處理的優(yōu)點非常類似于流媒體的優(yōu)點。分析能夠立即開始，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)時檢查數(shù)據(jù)，因此不需要將數(shù)據(jù)存儲在內(nèi)存中。這對于大型文檔來說是個巨大的優(yōu)點。事實上，應(yīng)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。
字串2
選擇DOM還是選擇SAX？
字串8
對于需要自己編寫代碼來處理XML文檔的開發(fā)人員來說，選擇DOM還是SAX解析模型是一個非常重要的設(shè)計決策。
字串1
DOM采用建立樹形結(jié)構(gòu)的方式訪問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)化為一個包含其內(nèi)容的樹，并可以對樹進行遍歷。用DOM解析模型的優(yōu)點是編程容易，開發(fā)人員只需要調(diào)用建樹的指令，然后利用navigation APIs訪問所需的樹節(jié)點來完成任務(wù)。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(nèi)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(wù)中。 字串3
SAX解析器采用了基于事件的模型，它在解析XML文檔的時候可以觸發(fā)一系列的事件，當發(fā)現(xiàn)給定的tag的時候，它可以一個回調(diào)方法，告訴該方法制定的標簽已經(jīng)找到。SAX對內(nèi)存的要求通常會比較低，因為它讓開發(fā)人員自己來決定所要處理的tag。特別是當開發(fā)人員只需要處理文檔中所包含的部分數(shù)據(jù)時，SAX這種擴展能力得到了更好的體現(xiàn)。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(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("運行時間：" + (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消耗時間：110 47 109 78 字串5 100k消耗時間：344 406 375 422 字串4 1000k消耗時間：3234 3281 3688 3312 字串3
10000k消耗時間：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，它簡化與XML的交互并且比使用DOM實現(xiàn)更快。由于是個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(guī)范請求JSR-102”將它最終用作“Java標準擴展”。從00年初已經(jīng)開始了JDOM開發(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(jīng)熟悉這些類的Java開發(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問題”(根據(jù)學習曲線假定為%)。JDOM對于大多數(shù)Java/XML應(yīng)用程序來說當然是有用的，并且大多數(shù)開發(fā)者發(fā)現(xiàn)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(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("運行時間：" + (System.currentTimeMillis() - lasting) + "毫秒");}} 字串6 10k消耗時間：125 62 187 94 字串6 100k消耗時間：704 625 640 766 字串6
1000k消耗時間：27984 30750 27859 30656 字串7
10000k消耗時間：OutOfMemoryError 字串3
|
字串9
是DOM4J http://dom4j.sourceforge.net/ 字串6
雖然DOM4J代表了完全獨立的開發(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，它通過DOM4J API和標準DOM接口具有并行訪問功能。從00下半年開始，它一直處于開發(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(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，實現(xiàn)在本質(zhì)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(diào)防止不正確的應(yīng)用程序行為。
字串4
DOM4J是一個非常非常的Java XML API，具有性能優(yōu)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。 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("運行時間：" + (System.currentTimeMillis() - lasting) + "毫秒");}} 字串2 10k消耗時間：109 78 109 31 字串9 100k消耗時間：297 359 172 312 字串6 1000k消耗時間：2281 2359 2344 2469 字串5
10000k消耗時間：938 19922 031 21078 字串7 |
JDOM和DOM在性能測試時表現(xiàn)不佳，在測試10M文檔時內(nèi)存溢出。在小文檔情況下還值得考慮使用DOM和JDOM。雖然JDOM的開發(fā)者已經(jīng)說明他們期望在正式發(fā)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(xiàn)廣泛應(yīng)用于多種編程語言。它還是許多其它與XML相關(guān)的標準的基礎(chǔ)，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)。
字串7
SAX表現(xiàn)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(nèi)存(當然當XML流被讀入時，會有部分文檔暫時隱藏在內(nèi)存中)。
字串5
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，那采用DOM4J吧