Java解析XML文件的四种方法

【摘要】
可扩展标志语言（XML）在实现信息标准化、信息的交流与共享上有其独特的技术优势，因此受到了广泛的重视。本文先简单的介绍了XML基本知识，然后从XML应用入手总结了四种现今最常见的XML的解析方法，介绍了这四种方法的特点，其中包括优点与不足之处。最后给出了一个简单的案例来对这四种解析进行代码介绍。

【关键字】
XML文件，DOM，SAX，JDOM，DOM4J

【引言】
XML即可扩展标记语言（EXtensible Markup Language），是标准通用标记语言的子集，是一种用于标记电子文件使其具有结构性的标记语言。标记是指计算机所能理解的信息符号，即通过此种标记，计算机之间可以处理包含各种信息比如文章等。如何定义这些标记，既可以选择国际通用的标记语言，比如HTML，也可以使用像XML这样的标记语言，这就是语言的可扩展性。XML是从SGML中简化修改出来的，它主要用到的有XML、XSL、XPath等。

简单的说，XML就是一种数据的描述语言，虽然是一种语言，但是通常情况下，它并不具备常见语言的基本功能—被计算机识别并运行。只有依靠另一种语言来解释它，使它达到你想要的效果或被计算机所接受。众所周知，现在解析XML的方法越来越多，但是主流的方法也就四种，即DOM、SAX、JDOM和DOM4J。

一、XML应用
XML应用面主要可以分为两种，一种是文档型XML，另一种就是数据型XML。
下面介绍一下几种常见的XML应用：
1、自定义XML+XSLT=>HTML，这可以说是最常见的文档类型应用之一了。这种文档类型的XML存放整个文档的XML数据，然后XSLT将XML进行转换和解析，再结合XSLT中的HTML标签，最终变成HTML，这样就可以显示到浏览器上了。

即在转换的过程中，XSLT用XPath来定义源文档中与一个或多匹配的部分。当找到了一个匹配的时候，XSLT就会将源文件中的匹配部分转换成结果文档，而模板匹配的部分最终在结果中保持不变。

2、XML作为微型数据库，这是最常见的数据类型应用之一。我们利用相关的XML API（MSXML DOM、java DOM等）对XML进行XML进行存取和查询。值得注意是“微型数据库”，这个的意思就是说在数据量小、用户少和性能要求不太高的环境下，可以将XML文档用作数据库，但是不适用于用户量大、数据集成度高以及性能要求高的作业环境。XML适合于用作“数据库”的一个例子就是.ini文件—它包含应用程序的配置信息。

3、作为通信数据。最典型的就是web service，利用XML来传递数据。可以简单描述为先建立一个XML文件，在XML文件里增加要存放的信息节点，然后将XML传到要接收这些数据的页面，页面得到这个XML文件后，再解析这个XML文件，最好将XML文件中的节点信息显示在页面上。

4、作为一些应用程序的配置信息数据。常见的如J2EE配置Web服务器时用的web.xml。

5、其他一些文档的XML格式。如Word、Excel等。

6、保存数据间的映射关系。如Hibernate。

以上6种XML应用，基本涵盖了XML的主要用途了。

下面介绍java解析XML文件的四种方法

二、解析XML文件的方法
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。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做出更改。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。
【优点】
1）形成了树结构，直观易于理解，代码更易编写。
2）解析过程中树结构保存在内存中，方便修改
【缺点】
1）当XML文件较大的时候，最内存耗费比较大，容易影响解析性能并且可能会造成内存溢出。

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比它的替代者DOM快很多。

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索要处理的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。
【优点】
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，能解决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，即不易编码。
2）单向导航，很难同时访问同一个XML中的多处不同数据。

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标注扩展”。

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文档声明的目的是使用20%（或更少）的精力解决80%（或更多）Java/XML问题。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容易理解的多。JDOM还包括对程序行为的相当广泛检查以防用户做任何在XML中无意义的事。然而，它仍需要充分理解XML以便做一些超出基本的工作。

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（Collections）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。

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 。

为支持所有这些功能，DOM4J使用接口和抽象基本类方法。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的选项，它通过DOM4J API和标准DOM接口具有并行访问功能。

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，它还提供一些代替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大很多的灵活性。
在添加灵活性、XPath集成和对大文档办理的目标时，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是一个十分优秀的Java XML API，具有性能优异、功能强大和极端易用的特点，同时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Sun的JAXM也在使用DOM4J。
【优点】
1）大量使用了Java集合类，方便Java开发人员，同时提供一些提供性能的替代方法。
2）性能优异、灵活性好、功能强大和易用的特点。
【缺点】
1）大量使用了接口，API较为复杂。

三、四种解析方法比较
1、DOM4J的性能最好，Sun公司的JAXM也在用DOM4J，目前许多开源项目中大量采用DOM4J，例如Hibernate也在使用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。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XML流被读入时，会有部分文档暂时隐藏在内存中）。

4、如果XML文档较大且不考虑移植性问题时可采用DOM4J；如果XML文档较小则可以使用JDOM；如果需要及时处理而不需要保存数据则可以考虑SAX。

四、四种解析实例
1、使用DOM方式解析XML
2、使用SAX方式解析XML
3、使用JDOM方式解析XML
4、使用DOM4J方式解析XML