JAVA通过XPath解析XML性能比较

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 XPath
160          */
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。

IT文库 » JAVA通过XPath解析XML性能比较
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址