JAVA通过XPath解析XML性能比较

来源：互联网发布：mysql 查询成绩最高分编辑：程序博客网时间：2024/05/16 15:37

转自【http://www.cnblogs.com/mouse-coder/p/3451243.html】

最近在做一个小项目，使用到XML文件解析技术，通过对该技术的了解和使用，总结了以下内容。

1 XML文件解析的4种方法

通常解析XML文件有四种经典的方法。基本的解析方式有两种，一种叫SAX，另一种叫DOM。SAX是基于事件流的解析，DOM是基于XML文档树结构的解析。在此基础上，为了减少DOM、SAX的编码量，出现了JDOM，其优点是，20-80原则（帕累托法则），极大减少了代码量。通常情况下JDOM使用时满足要实现的功能简单，如解析、创建等要求。但在底层，JDOM还是使用SAX（最常用）、DOM、Xanan文档。另外一种是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。具体四种方法的使用，百度一下，会有众多详细的介绍。可以参考SMCwwh对以上技术的详细介绍，http://blog.csdn.net/smcwwh/article/details/7183869#part3。

2 XPath简单介绍

XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航，并对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 同时被构建于 XPath 表达之上。因此，对 XPath 的理解是很多高级 XML 应用的基础。XPath非常类似对数据库操作的SQL语言，或者说JQuery，它可以方便开发者抓起文档中需要的东西。其中DOM4J也支持XPath的使用。XPath的具体使用教程可以参考http://www.w3school.com.cn/xpath/index.asp。

3 DOM4J使用XPath

DOM4J使用XPath解析XML文档是，首先需要在项目中引用两个JAR包：

dom4j-1.6.1.jar：DOM4J软件包，下载地址http://sourceforge.net/projects/dom4j/；

jaxen-xx.xx.jar：通常不添加此包，会引发异常（java.lang.NoClassDefFoundError: org/jaxen/JaxenException），下载地址http://www.jaxen.org/releases.html。

3.1 命名空间（namespace）的干扰

在处理由excel文件或其他格式文件转换的xml文件时，通常会遇到通过XPath解析得不到结果的情况。这种情况通常是由于命名空间的存在导致的。以下述内容的XML文件为例，通过XPath=" // Workbook/ Worksheet / Table / Row[1]/ Cell[1]/Data[1] "进行简单的检索，通常是没有结果出现的。这就是由于命名空间namespace（xmlns="urn:schemas-microsoft-com:office:spreadsheet"）导致的。

<Workbook xmlns="urn:schemas-microsoft-com:office:spreadsheet" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:x="urn:schemas-microsoft-com:office:excel" xmlns:ss="urn:schemas-microsoft-com:office:spreadsheet" xmlns:html="http://www.w3.org/TR/REC-html40">  <Worksheet ss:Name="Sheet1">    <Table ss:ExpandedColumnCount="81" ss:ExpandedRowCount="687" x:FullColumns="1" x:FullRows="1" ss:DefaultColumnWidth="52.5" ss:DefaultRowHeight="15.5625">      <Row ss:AutoFitHeight="0">         <Cell>          <Data ss:Type="String">敲代码的耗子</Data>         </Cell>       </Row>      <Row ss:AutoFitHeight="0">         <Cell>          <Data ss:Type="String">Sunny</Data>         </Cell>       </Row>    </Table>  </Worksheet></Workbook>

3.2 XPath对带有命名空间的xml文件解析

第一种方法（read1()函数）：使用XPath语法中自带的local-name() 和 namespace-uri() 指定你要使用的节点名和命名空间。 XPath表达式书写较为麻烦。

第二种方法（read2()函数）：设置XPath的命名空间，利用setNamespaceURIs()函数。

第三种方法（read3()函数）：设置DocumentFactory()的命名空间，使用的函数是setXPathNamespaceURIs()。二和三两种方法的XPath表达式书写相对简单。

第四种方法（read4()函数）：方法和第三种一样，但是XPath表达式不同（程序具体体现），主要是为了检验XPath表达式的不同，主要指完整程度，是否会对检索效率产生影响。

（以上四种方法均通过DOM4J结合XPath对XML文件进行解析）

第五种方法（read5()函数）：使用DOM结合XPath对XML文件进行解析，主要是为了检验性能差异。

没有什么能够比代码更能说明问题的了！果断上代码！

  1 package XPath;  2 import java.io.IOException;  3 import java.io.InputStream;  4 import java.util.HashMap;  5 import java.util.List;  6 import java.util.Map;  7   8 import javax.xml.parsers.DocumentBuilder;  9 import javax.xml.parsers.DocumentBuilderFactory; 10 import javax.xml.parsers.ParserConfigurationException; 11 import javax.xml.xpath.XPathConstants; 12 import javax.xml.xpath.XPathExpression; 13 import javax.xml.xpath.XPathExpressionException; 14 import javax.xml.xpath.XPathFactory; 15  16 import org.dom4j.Document; 17 import org.dom4j.DocumentException; 18 import org.dom4j.Element; 19 import org.dom4j.XPath; 20 import org.dom4j.io.SAXReader; 21 import org.w3c.dom.NodeList; 22 import org.xml.sax.SAXException; 23  24 /** 25  * DOM4J DOM XML XPath 26  * @author hao 27  */ 28 public class TestDom4jXpath { 29     public static void main(String[] args) { 30         read1(); 31         read2(); 32         read3(); 33         read4();//read3（）方法一样，但是XPath表达式不同 34         read5(); 35     } 36      37     public static void read1() { 38         /* 39          * use local-name() and namespace-uri() in XPath 40          */ 41         try { 42             long startTime=System.currentTimeMillis(); 43             SAXReader reader = new SAXReader(); 44             InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml"); 45             Document doc = reader.read(in); 46             /*String xpath ="//*[local-name()='Workbook' and namespace-uri()='urn:schemas-microsoft-com:office:spreadsheet']" 47                     + "/*[local-name()='Worksheet']" 48                     + "/*[local-name()='Table']" 49                     + "/*[local-name()='Row'][4]" 50                     + "/*[local-name()='Cell'][3]" 51                     + "/*[local-name()='Data'][1]";*/ 52             String xpath ="//*[local-name()='Row'][4]/*[local-name()='Cell'][3]/*[local-name()='Data'][1]"; 53             System.err.println("=====use local-name() and namespace-uri() in XPath===="); 54             System.err.println("XPath：" + xpath); 55             @SuppressWarnings("unchecked") 56             List<Element> list = doc.selectNodes(xpath); 57             for(Object o:list){   58                 Element e = (Element) o;   59                 String show=e.getStringValue(); 60                 System.out.println("show = " + show);   61             long endTime=System.currentTimeMillis(); 62             System.out.println("程序运行时间： "+(endTime-startTime)+"ms"); 63             }   64         } catch (DocumentException e) { 65             e.printStackTrace(); 66         } 67     } 68      69     public static void read2() { 70         /* 71          * set xpath namespace(setNamespaceURIs) 72          */ 73         try { 74             long startTime=System.currentTimeMillis(); 75             Map map = new HashMap(); 76             map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet"); 77             SAXReader reader = new SAXReader(); 78             InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml"); 79             Document doc = reader.read(in); 80             String xpath ="//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]"; 81             System.err.println("=====use setNamespaceURIs() to set xpath namespace===="); 82             System.err.println("XPath：" + xpath); 83             XPath x = doc.createXPath(xpath); 84             x.setNamespaceURIs(map); 85             @SuppressWarnings("unchecked") 86             List<Element> list = x.selectNodes(doc); 87             for(Object o:list){   88                 Element e = (Element) o;   89                 String show=e.getStringValue(); 90                 System.out.println("show = " + show);    91             long endTime=System.currentTimeMillis(); 92             System.out.println("程序运行时间： "+(endTime-startTime)+"ms"); 93             }   94         } catch (DocumentException e) { 95             e.printStackTrace(); 96         } 97     } 98      99     public static void read3() {100         /*101          * set DocumentFactory() namespace(setXPathNamespaceURIs)102          */103         try {104             long startTime=System.currentTimeMillis();105             Map map = new HashMap();106             map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");107             SAXReader reader = new SAXReader();108             InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");109             reader.getDocumentFactory().setXPathNamespaceURIs(map);110             Document doc = reader.read(in);111             String xpath ="//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";112             System.err.println("=====use setXPathNamespaceURIs() to set DocumentFactory() namespace====");113             System.err.println("XPath：" + xpath);114             @SuppressWarnings("unchecked")115             List<Element> list = doc.selectNodes(xpath);116             for(Object o:list){  117                 Element e = (Element) o;  118                 String show=e.getStringValue();119                 System.out.println("show = " + show);120             long endTime=System.currentTimeMillis();121             System.out.println("程序运行时间： "+(endTime-startTime)+"ms");    122             }  123         } catch (DocumentException e) {124             e.printStackTrace();125         }126     }127     128     public static void read4() {129         /*130          * 同read3（）方法一样，但是XPath表达式不同131          */132         try {133             long startTime=System.currentTimeMillis();134             Map map = new HashMap();135             map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");136             SAXReader reader = new SAXReader();137             InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");138             reader.getDocumentFactory().setXPathNamespaceURIs(map);139             Document doc = reader.read(in);140             String xpath ="//Workbook:Worksheet/Workbook:Table/Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";141             System.err.println("=====use setXPathNamespaceURIs() to set DocumentFactory() namespace====");142             System.err.println("XPath：" + xpath);143             @SuppressWarnings("unchecked")144             List<Element> list = doc.selectNodes(xpath);145             for(Object o:list){  146                 Element e = (Element) o;  147                 String show=e.getStringValue();148                 System.out.println("show = " + show);149             long endTime=System.currentTimeMillis();150             System.out.println("程序运行时间： "+(endTime-startTime)+"ms");    151             }  152         } catch (DocumentException e) {153             e.printStackTrace();154         }155     }156     157     public static void read5() {158         /*159          * DOM and XPath160          */161         try {162             long startTime=System.currentTimeMillis();163             DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();164             dbf.setNamespaceAware(false);165             DocumentBuilder builder = dbf.newDocumentBuilder();166             InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");167             org.w3c.dom.Document doc = builder.parse(in);168             XPathFactory factory = XPathFactory.newInstance();169             javax.xml.xpath.XPath x = factory.newXPath();170             //选取所有class元素的name属性171             String xpath = "//Workbook/Worksheet/Table/Row[4]/Cell[3]/Data[1]";172             System.err.println("=====Dom XPath====");173             System.err.println("XPath：" + xpath);174             XPathExpression expr = x.compile(xpath);175             NodeList nodes = (NodeList)expr.evaluate(doc, XPathConstants.NODE);176             for(int i = 0; i<nodes.getLength();i++) {177                 System.out.println("show = " + nodes.item(i).getNodeValue());178             long endTime=System.currentTimeMillis();179             System.out.println("程序运行时间： "+(endTime-startTime)+"ms");180             }181         } catch(XPathExpressionException e) {182             e.printStackTrace();183         } catch(ParserConfigurationException e) {184             e.printStackTrace();185         } catch(SAXException e) {186             e.printStackTrace();187         } catch(IOException e) {188             e.printStackTrace();189         }190     }191 }

3.3 不同方法的性能比较

为了比较几种方法的解析性能，实验过程中使用了6M以上大小，7万行以上的XML文件（XXX.xml）进行10轮测试，如下所述：

图1 XPath使用性能对比

方法名称

平均运行时间

XPath表达式

read1()

1663ms

//*[local-name()='Row'][4]/*[local-name()='Cell'][3]/*[local-name()='Data'][1]

read2()

2184ms

//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]

read3()

601ms

//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]

read4()

472ms

//Workbook:Worksheet/Workbook:Table/Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]

read5()

1094ms

//Workbook/Worksheet/Table/Row[4]/Cell[3]/Data[1]

表1 平均性能统计

由以上性能对比可知：

1、read4()方法运行时间最短，即运用DOM4J方法调用全路径（从根节点出发）XPath表达式解析XML文件耗时最短；

2、运用DOM解析方法所使用的XPath表达式最为简单（可以写作//Row[4]/Cell[3]/Data[1]），因DOM中可以通过setNamespaceAware(false)方法使命名空间失效。

0 0