在平時(shí)工作中，難免會遇到把XML作為數(shù)據(jù)存儲格式。面對目前種類繁多的解決方案，哪個(gè)最適合我們呢？在這篇文章中，我對這四種主流方案做一個(gè)不完全評測，僅僅針對遍歷XML這塊來測試，因?yàn)楸闅vXML是工作中使用最多的(至少我認(rèn)為)。
預(yù)備
測試環(huán)境：
AMD毒龍1.4G OC 1.5G、256M DDR333、Windows2000 Server SP4、Sun JDK 1.4.1+Eclipse 2.1+Resin 2.1.8，在Debug模式下測試。
XML文件格式如下：
＜?xml version="1.0" encoding="GB2312"?＞＜RESULT＞＜VALUE＞
＜NO＞A1234＜/NO＞
＜ADDR＞四川省XX縣XX鎮(zhèn)XX路X段XX號＜/ADDR＞＜/VALUE＞＜VALUE＞
＜NO＞B1234＜/NO＞
＜ADDR＞四川省XX市XX鄉(xiāng)XX村XX組＜/ADDR＞＜/VALUE＞＜/RESULT＞
測試方法：
采用JSP端調(diào)用Bean(至于為什么采用JSP來調(diào)用，請參考：http://blog.csdn.net/rosen/archive/2004/10/15/138324.aspx)，讓每一種方案分別解析10K、100K、1000K、10000K的XML文件，計(jì)算其消耗時(shí)間(單位:毫秒)。
JSP文件：
＜%@ page contentType="text/html; charset=gb2312" %＞＜%@ page import="com.test.*"%＞
＜html＞＜body＞＜%String args[]={""};MyXMLReader.main(args);%＞＜/body＞＜/html＞
測試
首先出場的是DOM(JAXP Crimson解析器)
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(biāo)準(zhǔn)。DOM是以層次結(jié)構(gòu)組織的節(jié)點(diǎn)或信息片斷的集合。這個(gè)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(gè)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(rèn)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(gè)優(yōu)點(diǎn)。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(shí)候在樹中上下導(dǎo)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。
另一方面，對于特別大的文檔，解析和加載整個(gè)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。
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("車牌號碼:" + doc.getElementsByTagName("NO").item(i).getFirstChild().getNodeValue());
System.out.println("車主地址:" + doc.getElementsByTagName("ADDR").item(i).getFirstChild().getNodeValue());
}
}catch(Exception e){
e.printStackTrace();
}
System.out.println("運(yùn)行時(shí)間："+(System.currentTimeMillis() - lasting)+"毫秒");}}
10k消耗時(shí)間：265 203 219 172
100k消耗時(shí)間：9172 9016 8891 9000
1000k消耗時(shí)間：691719 675407 708375 739656
10000k消耗時(shí)間：OutOfMemoryError
接著是SAX
這種處理的優(yōu)點(diǎn)非常類似于流媒體的優(yōu)點(diǎn)。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(shí)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(gè)巨大的優(yōu)點(diǎn)。事實(shí)上，應(yīng)用程序甚至不必解析整個(gè)文檔；它可以在某個(gè)條件得到滿足時(shí)停止解析。一般來說，SAX還比它的替代者DOM快許多。
選擇DOM還是選擇SAX？
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(gè)非常重要的設(shè)計(jì)決策。
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。
DOM解析器把XML文檔轉(zhuǎn)化為一個(gè)包含其內(nèi)容的樹，并可以對樹進(jìn)行遍歷。用DOM解析模型的優(yōu)點(diǎn)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(diǎn)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(shí)候需要處理整個(gè)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(shí)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。
SAX解析器采用了基于事件的模型，它在解析XML文檔的時(shí)候可以觸發(fā)一系列的事件，當(dāng)發(fā)現(xiàn)給定的tag的時(shí)候，它可以激活一個(gè)回調(diào)方法，告訴該方法制定的標(biāo)簽已經(jīng)找到。SAX對內(nèi)存的要求通常會比較低，因?yàn)樗岄_發(fā)人員自己來決定所要處理的tag。特別是當(dāng)開發(fā)人員只需要處理文檔中所包含的部分?jǐn)?shù)據(jù)時(shí)，SAX這種擴(kuò)展能力得到了更好的體現(xiàn)。但用SAX解析器的時(shí)候編碼工作會比較困難，而且很難同時(shí)訪問同一個(gè)文檔中的多處不同數(shù)據(jù)。
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("運(yùn)行時(shí)間：" + (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("車牌號碼：" + 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消耗時(shí)間：110 47 109 78
100k消耗時(shí)間：344 406 375 422
1000k消耗時(shí)間：3234 3281 3688 3312
10000k消耗時(shí)間：32578 34313 31797 31890 30328
然后是JDOM http://www.jdom.org/
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(shí)現(xiàn)更快。由于是第一個(gè)Java特定模型，JDOM一直得到大力推廣和促進(jìn)。正在考慮通過“Java規(guī)范請求JSR-102”將它最終用作“Java標(biāo)準(zhǔn)擴(kuò)展”。從2000年初就已經(jīng)開始了JDOM開發(fā)。
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。
JDOM文檔聲明其目的是“使用20%(或更少)的精力解決80%(或更多)Java/XML問題”(根據(jù)學(xué)習(xí)曲線假定為20%)。JDOM對于大多數(shù)Java/XML應(yīng)用程序來說當(dāng)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(dāng)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(xué)習(xí)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(yàn)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。
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("車牌號碼:" + ((Element)allChildren.get(i)).getChild("NO").getText());
System.out.println("車主地址:" + ((Element)allChildren.get(i)).getChild("ADDR").getText());
}
} catch (Exception e) {
e.printStackTrace();
}
System.out.println("運(yùn)行時(shí)間：" + (System.currentTimeMillis() - lasting) + "毫秒");}}
10k消耗時(shí)間：125 62 187 94
100k消耗時(shí)間：704 625 640 766
1000k消耗時(shí)間：27984 30750 27859 30656
10000k消耗時(shí)間：OutOfMemoryError
最后是DOM4J http://dom4j.sourceforge.net/
雖然DOM4J代表了完全獨(dú)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(xiàng)，它通過DOM4J API和標(biāo)準(zhǔn)DOM接口具有并行訪問功能。從2000下半年開始，它就一直處于開發(fā)之中。
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(fù)雜的API的代價(jià)，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(biāo)時(shí)，DOM4J的目標(biāo)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(shí)現(xiàn)在本質(zhì)上處理所有Java/XML問題的目標(biāo)。在完成該目標(biāo)時(shí)，它比JDOM更少強(qiáng)調(diào)防止不正確的應(yīng)用程序行為。
DOM4J是一個(gè)非常非常優(yōu)秀的Java XML API，具有性能優(yōu)異、功能強(qiáng)大和極端易用使用的特點(diǎn)，同時(shí)它也是一個(gè)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。
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("車牌號碼:" + foo.elementText("NO"));
System.out.println("車主地址:" + foo.elementText("ADDR"));
}
} catch (Exception e) {
e.printStackTrace();
}
System.out.println("運(yùn)行時(shí)間：" + (System.currentTimeMillis() - lasting) + "毫秒");}}
10k消耗時(shí)間：109 78 109 31
100k消耗時(shí)間：297 359 172 312
1000k消耗時(shí)間：2281 2359 2344 2469
10000k消耗時(shí)間：20938 19922 20031 21078
JDOM和DOM在性能測試時(shí)表現(xiàn)不佳，在測試10M文檔時(shí)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(diǎn)來看，它確實(shí)沒有值得推薦之處。另外，DOM仍是一個(gè)非常好的選擇。DOM實(shí)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(biāo)準(zhǔn)的基礎(chǔ)，因?yàn)樗将@得W3C推薦(與基于非標(biāo)準(zhǔn)的Java模型相對)，所以在某些類型的項(xiàng)目中可能也需要它(如在JavaScript中使用DOM)。
SAX表現(xiàn)較好，這要依賴于它特定的解析方式。一個(gè)SAX檢測即將到來的XML流，但并沒有載入到內(nèi)存(當(dāng)然當(dāng)XML流被讀入時(shí)，會有部分文檔暫時(shí)隱藏在內(nèi)存中)。
無疑，DOM4J是這場測試的獲勝者，目前許多開源項(xiàng)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，那就采用DOM4J吧！
注意：當(dāng)xml數(shù)據(jù)的形式作為傳遞時(shí)，要獲取一條條的紀(jì)錄是比較適宜于采用dom，雖然它對系統(tǒng)（內(nèi)存，性能等）有較高的要求，但是一般的服務(wù)器都可滿足上G的xml文檔的處理。
當(dāng)需要對xml的某些內(nèi)容或某些節(jié)點(diǎn)的特定訪問時(shí)，或需要一及時(shí)地事件相應(yīng)時(shí)，可以用sax來處理。它是基于時(shí)間處理機(jī)制的，在編程時(shí)，通過重載一些事件方法，來獲得對xml文檔的處理。
有關(guān)xml的編碼，InputStreamReader和xmlReader的關(guān)系：
通常的DOM和SAX對于用ascii編碼的文檔，通過用InputStreamReader讀入xml文檔，后變成了unicode碼，然后不能用
XMlREader來處理，出現(xiàn)錯誤的原因是：遇到無效的unicode的字符。（當(dāng)你用system.out.println()輸出是沒有任何問題，因?yàn)樗茏詣愚D(zhuǎn)成本地機(jī)的編碼）。
解決的方法：
BufferedReader br=new BufferedReader(new InputStreamReader(new FileInputStream(f),"ISO8859-1"));
這樣就可以限定它的編碼，這樣就沒有問題。
String 的長度問題：String 類型安標(biāo)準(zhǔn)來說沒有長度限制，但是一般jdk中String的最大長度是4G。
String與BufferedString關(guān)系:在不涉及到字符串有效的大量處理，通常使用String. BufferedString在處理字符串的大量處理上有優(yōu)勢.