Question

我是XML解析的新手。在执行一项需要解析Big XML文件的任务时。因此，在尝试制定一个好的解决方案时，我遇到了DOM和SAX这两个术语。两者都是两种不同类型的XML解析。我对SAX解析有点困惑。了解很多，但仍然感到困惑。

下面以XML为例

 <?xml version="1.0" encoding="UTF-8"?>
<note>
     <Desc>
       <to>Tove</to>
       <from>Jani</from>
       <heading>Reminder</heading>
       <body>Don't forget me this weekend!</body>
     </Desc>
     <Desc>
       <to>Tove</to>
       <from>Jani</from>
       <heading>Reminder</heading>
       <body>Don't forget me this weekend!</body>
     </Desc>
     <Desc>
       <to>Tove</to>
       <from>Jani</from>
       <heading>Reminder</heading>
       <body>Don't forget me this weekend!</body>
     </Desc>
</note>

让我们说，我只想全部读取所有<body>标签并将其写入文件。

我的疑问：

如果我使用DOM解析器执行此操作，它将首先将所有xml加载到内存中，然后查找<body>标记并写入文件吗？
如果我使用SAX解析器执行此操作，它将首先在磁盘上寻找<body>标签本身，一旦找到它，便开始从那里读取并继续加载到内存中，直到{{1 }}？
如果2个怀疑是正确的，那么这种阅读是如何发生的？ SAX解析器是否逐字读取并将该字保留在内存中一段时间，并检查是否与代码正在寻找的标记匹配？因为标签的识别只能在内存中完成，但我认为这无处不在。并继续从内存中拉下单词，直到找到所选的匹配项或标记</body>。找到它的那一刻，它开始将所有单词保留在内存中，直到找到<body>。

正确吗？
请纠正我..！

Answer 1

StAX（或拉解析器）将在您描述的用例中更好地工作。 DOM读取整个文档，SAX解析器生成您需要处理的事件，它们在内存中没有任何内容（内部消息除外）。使用SAX，您需要编写一个实现certain methods的内容处理程序，这还意味着您需要维护事件流的状态。例如，您发布的文档的第一块将生成以下（简化的）事件：

startDocument
startElement(note)
startElement(Desc)
startElement(to)
characters(Tove) // might come as multiple chunks
endElement(to)
...
endDocument

因此，如果标记名称为body，则需要签入startElement（如果只需要body中的note -> Desc个元素，则需要跟踪所有开始/结束元素）并设置一个标志。在characters中，如果该标志为true，则收集标签文本内容（或将其写入磁盘）。另外，在endElement中，该标志需要设置为false，以避免从其他标签中收集字符。

Answer 2

DOM分析器将整个XML文档加载到内存中，并通过Java API使您可以使用它。这种方法的优点是易于使用和理解，但效率不高，因为：

解析器必须读取整个XML文档并将其存储在内存中，即使您只想访问其中的一小部分。
DOM解析器使用的数据结构（最有可能是哈希映射）是通用的，并未针对您的情况进行优化。

SAX解析器较难使用，但性能可能更高。 SAX解析器不将任何内容存储在内存中。而是调用您提供的代码来处理遇到的每个XML元素。对于您的情况，它将回叫您说“我找到了！”。然后“我找到了！”等等。这些事件的处理方式取决于您，但是通常您将在内存中构建一些自定义Java对象，或者生成输出流。

SAX解析器如何工作？

2 个答案: