四种xml的解析方式

这篇文章是我上网找资料，加上自己总结了一些而得

资料来源：

http://www.cnblogs.com/allenzheng/archive/2012/12/01/2797196.html

http://www.cnblogs.com/lanxuezaipiao/archive/2013/05/17/3082949.html

其实我觉得这四种解析方式又大致可以分为两种：一种是基于树结构处理的Dom解析，另外一种是基于事件模型的SAX解析

一、介绍及优缺点分析

1. DOM（Document Object Model)

      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。

【优点】
      ①允许应用程序对数据和结构做出更改。
      ②访问是双向的，可以在任何时候在树中上下导航，获取和操作任意部分的数据。
【缺点】
      ①通常需要加载整个XML文档来构造层次结构，消耗资源大。

xml：

<?xml version="1.0" encoding="UTF-8"?>
<users>
    <user id="0">
        <name>yaobo</name>
        <age>22</age>
        <sex>male</sex>
    </user>
    <user id="1">
        <name>学生</name>
        <age>24</age>
        <sex>Male</sex>
    </user>
    <user id="2">
        <name>wjm</name>
        <age>23</age>
        <sex>male</sex>
    </user>
    <user id="3">
        <name>wh</name>
        <age>24</age>
        <sex>Male</sex>
    </user>
    
    <user >
        <name>yaobo</name>
        <age>12</age>
    </user>
</users>

　Dom解析：

package Test1;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;

public class Dom {
    
    public void parser(String url){
        DocumentBuilderFactory dbf=DocumentBuilderFactory.newInstance();
        try {
            DocumentBuilder db=dbf.newDocumentBuilder();
            Document doc=db.parse(url);
            NodeList users=doc.getChildNodes();
            for(int i=0;i<users.getLength();i++){
                Node user=users.item(i);
                //这次取出的是节点users 
                //System.out.println(user.getNodeName()+users.getLength());
                NodeList userList=user.getChildNodes();
                
                for(int j=0;j<userList.getLength();j++){
                    Node info=userList.item(j);
                    //这次取出的是节点user
                    //System.out.println(info.getNodeName());
                    NodeList attribute=info.getChildNodes();
                    //System.out.println(attribute.item(0).getNodeName()+":"+attribute.item(0).getTextContent());
                    for(int k=0;k<attribute.getLength();k++){
                        if(attribute.item(k).getNodeName() != "#text"){
                            //这次取出的user下面的属性节点
                            System.out.println(attribute.getLength()+attribute.item(k).getNodeName()+":"+attribute.item(k).getTextContent());
                        }
                    }
                    System.out.println();
                }
                
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

}

package Test1;

public class Test {

    public static void main(String[] args) {
        String url="src/Test/Jixie.xml";
//        Sax sax=new Sax();
//        sax.parse();
//        
        Dom dom=new Dom();
        dom.parser(url);

    }

}

 

   

2. SAX（Simple API for XML)

     SAX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采用的是事件模型。

     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。

【优势】
     ①不需要等待所有数据都被处理，分析就能立即开始。
     ②只在读取数据时检查数据，不需要保存在内存中。
     ③可以在某个条件得到满足时停止解析，不必解析整个文档。
     ④效率和性能较高，能解析大于系统内存的文档。

【缺点】
     ①需要应用程序自己负责TAG的处理逻辑（例如维护父/子关系等），文档越复杂程序就越复杂。
     ②单向导航，无法定位文档层次，很难同时访问同一文档的不同部分数据，不支持XPath。

下面结合一张图来详细讲解Sax解析。

xml文件被Sax解析器载入，由于Sax解析是按照xml文件的顺序来解析，当读入<?xml.....>时，会调用startDocument()方法，当读入<books>的时候，由于它是个ElementNode，所以会调用startElement(String uri, String localName, String qName, Attributes attributes) 方法，其中第二个参数就是节点的名称，注意：由于有些环境不一样，有时候第二个参数有可能为空，所以可以使用第三个参数，因此在解析前，先调用一下看哪个参数能用，第4个参数是这个节点的属性。这里我们不需要这个节点，所以从<book>这个节点开始，也就是图中1的位置，当读入时，调用startElement(....)方法，由于只有一个属性id，可以通过attributes.getValue(0)来得到，然后在图中标明2的地方会调用characters(char[] ch, int start, int length)方法，不要以为那里是空白，Sax解析器可不那么认为，Sax解析器会把它认为是一个TextNode。但是这个空白不是我们想要的数据，我们是想要<name>节点下的文本信息。这就要定义一个记录当上一节点的名称的TAG，在characters(.....)方法中，判断当前节点是不是name，是再取值，才能取到thinking in java。

Sax解析：

package Test1;

import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

public class Sax {
    public void parse(String url) {
        SAXParserFactory sf= SAXParserFactory.newInstance(); 
        SAXParser sp;
        try {
            sp = sf.newSAXParser();
            MyHander mh=new MyHander("user");
            sp.parse(url, mh);
        } catch (Exception e) {
            e.printStackTrace();
        } 
    }  
}

class MyHander extends DefaultHandler{
    String nodeName;
    
    Map<String,String> map;
    //将所以解析的数据存到list集合中
    List<Map> list;
    
    public MyHander(String nodeName){
        this.nodeName=nodeName;
        list=new ArrayList<Map>();
    }

    //这是 解析到当前节点的名称
    String tagName;
    
    @Override
    public void startDocument() throws SAXException {
        System.out.println("解析开始:");  
    }
    
    @Override
    public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
        
        System.out.println("startElement:"+qName);
        //判断是否为所需节点名
        if(qName==nodeName){
            map=new HashMap<String,String>();
        }
        
        if(attributes!=null && attributes.getLength()>0){
            //这一步是将id的<user id="">中的id值得名称和属性存到map中
            map.put(attributes.getQName(0), attributes.getValue(0));
        }
        tagName=qName;
    }
    
    @Override
    public void characters(char[] ch, int start, int length) throws SAXException {
        System.out.println("characters: ");
        if(map!=null && tagName!=null){
            //获取当前节点的内容
            String content=new String(ch,start,length);
            
            if(content!=null && !content.trim().equals("") && !content.trim().equals("
")){
                System.out.println("yaobo"+content);
                map.put(tagName, content);
                System.out.println(tagName+" "+content);
            }
            content=null;   
        }
    }
    
    @Override
    public void endElement(String uri, String localName, String qName) throws SAXException {
        System.out.println("endElement:"+tagName);
        if(qName.equals(nodeName)){
            list.add(map);
            map=null;
        }
    }

    @Override
    public void endDocument() throws SAXException {
        System.out.println("解析结束");
        System.out.println(list);
    }
    
}

分析：用SAX解析XML采用的是从上而下的基于事件驱动的解析方式，在解析过程中会视情况自动调用startDocument()、startElement()、characters()、endElement()、endDocument()等相关的方法。

下面这幅图进行了详细的讲解

 

 

      由编译执行的结果来看：

• startDocument()方法只会在文档开始解析的时候被调用，每次解析只会调用一次。
• startElement()方法每次在开始解析一个元素，即遇到元素标签开始的时候都会调用。
• characters()方法也是在每次解析到元素标签携带的内容时都会调用，即使该元素标签的内容为空或换行。而且如果元素内嵌套元素，在父元素结束标签前， characters()方法会再次被调用，此处需要注意。
• endElement()方法每次在结束解析一个元素，即遇到元素标签结束的时候都会调用。
• endDocument() startDocument()方法只会在文档解析结束的时候被调用，每次解析只会调用一次。

 3. JDOM(Java-based Document Object Model)

     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。

【优点】
     ①使用具体类而不是接口，简化了DOM的API。
     ②大量使用了Java集合类，方便了Java开发人员。

【缺点】
     ①没有较好的灵活性。
     ②性能较差。

package Test1;

import java.io.IOException;
import java.util.List;

import org.jdom2.Document;
import org.jdom2.Element;
import org.jdom2.JDOMException;
import org.jdom2.input.SAXBuilder;


public class JDom {
    public void parserXml(String fileName){
        SAXBuilder sb=new SAXBuilder();
        try {
            Document doc=sb.build(fileName);
            Element users=doc.getRootElement();
            List userList=users.getChildren();
            for(int i=0;i<userList.size();i++){
                Element user=(Element) userList.get(i);
                List content=user.getChildren();
                for(int j=0;j<content.size();j++){
                    System.out.println(((Element) content.get(j)).getName()+":"+((Element) content.get(j)).getValue());
                    }
                System.out.println();
            }
        
        } catch (JDOMException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }

}

4. DOM4J(Document Object Model for Java)
      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.

【优点】
     ①大量使用了Java集合类，方便Java开发人员，同时提供一些提高性能的替代方法。
     ②支持XPath。
     ③有很好的性能。

【缺点】
     ①大量使用了接口，API较为复杂。

package Test1;

import java.io.File;
import java.util.Iterator;
import java.util.List;

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;


public class Dom4j {
    public void parserXml(String url){
        File inputXml=new File(url);
        SAXReader sr=new SAXReader();
        try {
            Document doc=sr.read(inputXml);
            Element users=(Element) doc.getRootElement();
        
            for(Iterator i=users.elementIterator(); i.hasNext();){
                Element user=(Element) i.next();
                for(Iterator j=user.elementIterator();j.hasNext();){
                    //System.out.println(((Element) j.next()).getName()+":"+((Element) j.next()).getText());
                    Element node = (Element) j.next();
                    System.out.println(node.getName() +":"+node.getText());
                    
                    //这里不能用下面这种写法来表示，我觉得可能是读取速度的问题
                   // System.out.println((Element) j.next().getName() + ":" + node.getText());
                    
                }
                System.out.println();
            }
        } catch (DocumentException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }

}

二、比较

     1. DOM4J性能最好，连Sun的JAXM也在用DOM4J。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.

     2. JDOM和DOM在性能测试时表现不佳，在测试10M文档时内存溢出，但可移植。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）。

     3. SAX表现较好，这要依赖于它特定的解析方式－事件驱动。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）。

     我的看法：如果XML文档较大且不考虑移植性问题建议采用DOM4J；如果XML文档较小则建议采用JDOM；如果需要及时处理而不需要保存数据则考虑SAX。但无论如何，还是那句话：适合自己的才是最好的，如果时间允许，建议大家讲这四种方法都尝试一遍然后选择一种适合自己的即可。