利用Dom4J的SAXReader解析大文件

今天用到了对内容量很大的XML文件的解析，顺便记录一下。

 

      关于XML的解析技术网上有很多文章，不再详述。 主要的方式有JDK自带的JAXP（Java API For XML Parser）、JDom、Dom4j等。其中Dom4J是相当灵活的，很多开源框架都基于Dom4J来做XML解析。

      底层的解析器主要有两种： DOM、SAX。 其中DOM作为树型结构将文本装载到内存中，适合文本内容比较小的；SAX则按照流的方式扫描，事件触发的方式供你处理，比如遇到某个结点的开始符，结束符，大文本不能一次性装载到内存中，就应该采用SAX方式。

 

      DOM4J利用SAXReader类来读取文件，然后为SAXReader对象设置元素处理解析器ElementHandler，有doStart和doEnd两个方法，分别在遇到元素的开始符号和结束符号时候触发。只需在相应的方法内实现自己的业务逻辑即可。

 

例子：  XML文件结构如下：

<?xml version="1.0" encoding="GB2312"?><TESTINFO version="1.0"><UPDATEINFO><PARAM_TIMESTAMP>2010-12-22 09:54:09</PARAM_TIMESTAMP><CITYINFO_LIST><CITYINFO City="591" Name="XYZ" No="334" /><CITYINFO City="591" Name="BJD" No="335" /><CITYINFO City="591" Name="UUS" No="390" /></CITYINFO_LIST></UPDATEINFO></TESTINFO>

 

其中CITYINFO可能是个很大的列表。 完整的程序代码如下：

 

package com.atu.xmltest;import java.io.InputStream;import org.dom4j.DocumentException;import org.dom4j.Element;import org.dom4j.ElementHandler;import org.dom4j.ElementPath;import org.dom4j.io.SAXReader;public class MySaxHandler implements ElementHandler {SAXReader reader;public MySaxHandler() {// test.xml文件跟类放在同一目录下try {InputStream is = MySaxHandler.class.getResourceAsStream("test.xml"); reader = new SAXReader();reader.setDefaultHandler(this);reader.read(is);} catch (DocumentException e) {e.printStackTrace();}}@Overridepublic void onEnd(ElementPath ep) {Element e = ep.getCurrent(); //获得当前节点if(e.getName().equals("PARAM_TIMESTAMP"))System.out.println("解析到时间:"+e.getText());else if(e.getName().equals("CITYINFO")){System.out.printf("解析到CITYINFO,属性值为：%s,%s,%s/n", e.attributeValue("City"), e.attributeValue("Name"), e.attributeValue("No"));}e.detach(); //记得从内存中移去}@Overridepublic void onStart(ElementPath ep) {}public static void main(String[] args){new MySaxHandler();}}

 

 
运行结果：

 

解析到时间:2010-12-22 09:54:09
解析到CITYINFO,属性值为：591,XYZ,334
解析到CITYINFO,属性值为：592,BJD,335
解析到CITYINFO,属性值为：593,UUS,390