Question

我继承了一个数据存储，它使用简单的文本文件来保存文档。

文档有一些属性（日期，标题和文本），这些属性用文件名编码：＆lt; date＆gt; - ＆lt; title＆gt; .txt，文件正文为文本。

然而，实际上系统中的文档具有更多属性，并且还建议添加更多属性。

切换到XML格式似乎合乎逻辑，我已经这样做了，每个文档现在都用它自己的XML文件编码。

然而，从XML读取文件现在非常慢！（其中.txt格式的2000篇文章需要几秒钟，现在2000篇.xml格式的文章需要超过10分钟）。

我使用的是DOM解析器，在我发现读取速度有多慢之后，我切换到SAX解析器，但它仍然很慢（好，更快，但仍然是10分钟）。

XML只是那么慢，还是我在做一些奇怪的事情？任何想法都将不胜感激。

系统是用JavaSE 1.6编写的。解析器的创建方式如下：


/*
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
*/
  SAXParserFactory factory = SAXParserFactory.newInstance();
  SAXParser saxParser;
  try {
    saxParser = factory.newSAXParser();
    ArticleSaxHandler handler = new ArticleSaxHandler();
    saxParser.parse(is, handler);
    return handler.getArticle();
  } catch (ParserConfigurationException e) {
    throw new IOException(e);
  } catch (SAXException e) {
    throw new IOException(e);
  } finally { 
    if (is != null) {
      try {
        is.close();
      } catch (IOException e) {
        logger.error(e);
      }
    }
  }
}

private class ArticleSaxHandler extends DefaultHandler {
        private URI uri = null;
        private String source = null;
        private String author = null;
        private DateTime articleDatetime = null;
        private DateTime processedDatetime = null;
        private String title = null;
        private String text = null;
        private ArticleElement currentElement;
        private final StringBuilder builder = new StringBuilder();

        public Article getArticle() {
            return new Article(uri, source, author, articleDatetime, processedDatetime, title, text);
        }

        /** Receive notification of the start of an element. */
        public void startElement(String uri, String localName, String qName, Attributes attributes) {
            if (builder.length() != 0) {
                throw new RuntimeException(new SAXParseException(currentElement + " was not finished before " + qName + " was started", null));
            }
            currentElement = ArticleElement.getElement(qName);
        }

        public void endElement(String uri, String localName, String qName) {
            final String elementText = builder.toString();
            builder.delete(0, builder.length());
            if (currentElement == null) {
                return;
            }
            switch (currentElement) {
                case ARTICLE:
                    break;
                case URI:
                    try {
                        this.uri = new URI(elementText);
                    } catch (URISyntaxException e) {
                        throw new RuntimeException(e);
                    }
                    break;
                case SOURCE:
                    source = elementText;
                    break;
                case AUTHOR:
                    author = elementText;
                    break;
                case ARTICLE_DATE_TIME:
                    articleDatetime = getDateTimeFormatter().parseDateTime(elementText);
                    break;
                case PROCESSED_DATE_TIME:
                    processedDatetime = getDateTimeFormatter().parseDateTime(elementText);
                    break;
                case TITLE:
                    title = elementText;
                    break;
                case TEXT:
                    this.text = elementText;
                    break;
                default:
                    throw new IllegalStateException("Unexpected ArticleElement: " + currentElement);
            }
            currentElement = null;
        }

        /** Receive notification of character data inside an element. */
        public void characters(char[] ch, int start, int length) {
            builder.append(ch, start, length);
        }

        public void error(SAXParseException e) {
            fatalError(e);
        }

        public void fatalError(SAXParseException e) {
            logger.error("currentElement: " + currentElement + " ||builder: " + builder.toString() + "\n\n" + e.getMessage(), e);
        }
    }

    private enum ArticleElement {
        ARTICLE(ARTICLE_ELEMENT_NAME), URI(URI_ELEMENT_NAME), SOURCE(SOURCE_ELEMENT_NAME), AUTHOR(AUTHOR_ELEMENT_NAME), ARTICLE_DATE_TIME(
                ARTICLE_DATETIME_ELEMENT_NAME), PROCESSED_DATE_TIME(PROCESSED_DATETIME_ELEMENT_NAME), TITLE(TITLE_ELEMENT_NAME), TEXT(TEXT_ELEMENT_NAME);
        private String name;

        private ArticleElement(String name) {
            this.name = name;
        }

        public static ArticleElement getElement(String qName) {
            for (ArticleElement element : ArticleElement.values()) {
                if (element.name.equals(qName)) {
                    return element;
                }
            }
            return null;
        }
    }

Answer 1

从无缓冲流中读取数据可以解释这些性能问题。这与从文本到XML的更改没有直接关系，但可能是您的新实现不再使用BufferedInputStream。

详细说明该路径，检查此is是否已缓冲：

saxParser.parse(is, handler);

Answer 2

使用SAX解析器加载速度太慢，我也遇到了这个问题。该问题实际上与我的XML文件有关，该文件具有W3C的DTD参考：

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
        "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd" >
<html xmlns="http://www.w3.org/TR/1999/REC-html-in-xml" xml:lang="en"
      lang="en">

“ Core Java，第II卷”第2章中有关SAX和XML的摘录描述了正在发生的事情以及如何添加地址：

XHTML文件以包含DTD参考的标记开头，并且解析器将要加载它。可以理解，W3C不太合适很乐意提供数十亿份文件，例如 www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd。有一次，他们拒绝了总体而言，但在撰写本文时，他们以冰川的步伐。如果您不需要验证文档，只需致电

SAXParserFactory factory = SAXParserFactory.newInstance();
factory.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);

这为我解决了。另外，我使用IntelliJ IDE演示我的XML文件具有一个额外的（不必要的）<HTML>标签和一个额外的<meta charset="UTF-8"/>。这帮助我摆脱了一些SAX例外。

加载XML非常慢

2 个答案: