淺談Java Xml底層解析方式

XML 使用DTD(document type definition)文檔類型來標記數據和定義數據，格式統一且跨平台和語言，已成為業界公認的標準。

目前 XML 描述數據龍頭老大的地位漸漸受到 Json 威脅。經手項目中，模塊/系統之間交互數據方式有 XML 也有 Json，說不上孰好孰壞。

XML 規整/有業界標準/很容易和其他外部的系統進行交互，Json 簡單/靈活/占帶寬比小。

仁者見仁智者見智，項目推進中描述數據方式需要根據具體場景拿捏。

這篇文章主要描述目前Java中比較主流的 XML 解析底層方式，給需要這方面項目實踐的同學一些參考。

sax/satx/dom 由國外開源社區或組織貢獻，Sun 重新組織起名 JAXP 自JDK 1.6 起陸續將他們添加進去。

xmlpull 在 JDK 中沒有看到它的身影，如果需要使用它，你需要添加額外的類庫。

jdom/dom4j/xstream... 是基於這些底層解析方式重新組織封裝的開源類庫，提供簡介的 API，有機會再寫一篇博客描述。

dom4j 是基於 JAXP 解析方式，性能優異、功能強大、極易使用的優秀開源類庫。

jdom 如果你細看內部代碼，其實也是基於 JAXP 但具體包結構被重新組織， API 大量使用了 Collections 類，在性能上被 dm4j 壓了好幾個檔次。

實例 Demo 中需要解析的 xml 文件如下，中規中矩不簡單，也不複雜，示例業務場景都能將節點的值解析出來，組成業務實體對象。

1. 基於樹或基於對象模型

官方 W3C 標準,以層次結構組織的節點或信息片斷的集合。允許在樹中尋找特定信息,分析該結構通常需要載入整個文檔和構造層次結構。

最早的一種解析模型，載入整個文檔意味著在大文件 XMl 會遇到性能瓶頸。

dom 解析代碼示例：

dom 解析方式有個最大的優點可以在任何時候在樹中上下導航，獲取和操作任意部分的數據。

2. 流事件分析中推模型

靠事件驅動的模型，當它每發現一個節點就引發一個事件，需要編寫這些事件的處理程序。

這樣的做法很麻煩，而且不靈活，主流的分析方式有 xmlpull 和 JAXP 中的 sax。

xmlpull demo (引入 xmlpull.jar xpp3_min.jar]):

xmlpull 為介面層，xpp3_min 為實現層，其實可以引入另外自帶介面層 xpp3 版本。

sax demo:

sax 解析時還需要單獨編寫時間響應 Handler ，和集合排序時實現的Comparator 類似。

推模式不需要等待所有數據都被處理，分析就能立即開始；

只在讀取數據時檢查數據，不需要保存在內存中;

可以在某個條件得到滿足時停止解析，不必解析整個文檔；

效率和性能較高，能解析大於系統內存的文檔;

當然缺點也很突出例如需要自己負責TAG的處理邏輯（例如維護父/子關係等），使用麻煩；

單嚮導航，很難同時訪問同一文檔的不同部分數據，不支持 XPath;

3. 流事件分析中的拉模型

在遍歷文檔時，把感興趣的部分從讀取器中拉出，不需要引發事件，允許我們選擇性地處理節點；

大大提高了靈活性，以及整體效率，拉模式中比較常見 stax，stax 提供了兩套 API 共使用。

stax demo(基於游標的方式解析XML):

stax demo(基於迭代方式解析XML):

基於指針的 stax API,這種方式儘管效率高，但沒有提供 XML 結構的抽象，因此是一種低層 API。

stax 基於迭代器的 API 是一種面向對象的方式，這也是它與基於指針的 API 的最大區別。

基於迭代器的 API 只需要確定解析事件的類型，然後利用其方法獲得屬於該事件對象的信息。

通過將事件轉變為對象，讓應用程序可以用面向對象的方式處理，有利於模塊化和不同組件之間的代碼重用。

Ok,這篇博客對 java 底層解析 xml 方式做了點總結。其實在實際項目中，上述幾種方式解析 xml 編寫起來都很費事。

都會引入封裝起來的穩定開源庫，如 dom4j/jdom/xstream.....，這些類庫屏蔽了底層複雜的部分，呈現給我們簡潔明了的 API;

但如果公司業務複雜程度已經遠遠超出了開源類庫的提供的範疇，不妨自己依賴底層解析技術自己造輪子。

學習Java的同學注意了！！！

學習過程中遇到什麼問題或者想獲取學習資源的話，歡迎加入Java學習交流群495273252，我們一起學Java！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！