Question

我正在接收一个XML文件作为输入，其大小可以从几KB到更多。我通过网络获取此文件。我需要根据我的使用提取少量节点，因此大部分文档对我来说都是无用的。我没有记忆偏好，我只需要速度。

考虑到这一切，我得出结论：

此处未使用DOM（由于可能有大量的文档，没有CRUD要求，而源是网络）
没有SAX，因为我只需要获取一小部分数据。
StaX可以成为一种方法，但我不确定它是否是最快的方式。
JAXB出现了另一种选择 - 但是它使用了什么样的解析器？我读它默认使用Xerces（这是什么类型 - 推或拉？），虽然我可以根据这个link配置它与Stax或Woodstock一起使用

我正在阅读很多内容，仍然对这么多选项感到困惑！任何帮助将不胜感激。

谢谢！

编辑：我想在此处再添一个问题：在这里使用JAXB有什么问题？

Answer 1

最快的解决方案是迄今为止的StAX解析器，特别是因为您只需要XML文件的特定子集，并且您可以轻松地忽略使用StAX不需要的任何内容，而如果您使用的话，您仍会收到该事件。 SAX解析器。

但它比使用SAX或DOM要复杂一点。有一天我不得不为以下XML编写StAX解析器：

<?xml version="1.0"?>
<table>
    <row>
        <column>1</column>
        <column>Nome</column>
        <column>Sobrenome</column>
        <column>email@gmail.com</column>
        <column></column>
        <column>2011-06-22 03:02:14.915</column>
        <column>2011-06-22 03:02:25.953</column>
        <column></column>
        <column></column>
    </row>
</table>

以下是最终解析器代码的样子：

public class Parser {

private String[] files ;

public Parser(String ... files) {
    this.files = files;
}

private List<Inscrito> process() {

    List<Inscrito> inscritos = new ArrayList<Inscrito>();


    for ( String file : files ) {

        XMLInputFactory factory = XMLInputFactory.newFactory();

        try {

            String content = StringEscapeUtils.unescapeXml( FileUtils.readFileToString( new File(file) ) );

            XMLStreamReader parser = factory.createXMLStreamReader( new ByteArrayInputStream( content.getBytes() ) );

            String currentTag = null;
            int columnCount = 0;
            Inscrito inscrito = null;           

            while ( parser.hasNext() ) {

                int currentEvent = parser.next();

                switch ( currentEvent ) {
                case XMLStreamReader.START_ELEMENT: 

                    currentTag = parser.getLocalName();

                    if ( "row".equals( currentTag ) ) {
                        columnCount = 0;
                        inscrito = new Inscrito();                      
                    }

                    break;
                case XMLStreamReader.END_ELEMENT:

                    currentTag = parser.getLocalName();

                    if ( "row".equals( currentTag ) ) {
                        inscritos.add( inscrito );
                    }

                    if ( "column".equals( currentTag ) ) {
                        columnCount++;
                    }                   

                    break;
                case XMLStreamReader.CHARACTERS:

                    if ( "column".equals( currentTag ) ) {

                        String text = parser.getText().trim().replaceAll( "\n" , " "); 

                        switch( columnCount ) {
                        case 0:
                            inscrito.setId( Integer.valueOf( text ) );
                            break;
                        case 1:                         
                            inscrito.setFirstName( WordUtils.capitalizeFully( text ) );
                            break;
                        case 2:
                            inscrito.setLastName( WordUtils.capitalizeFully( text ) );
                            break;
                        case 3:
                            inscrito.setEmail( text );
                            break;
                        }

                    }

                    break;
                }

            }

            parser.close();

        } catch (Exception e) {
            throw new IllegalStateException(e);
        }           

    }

    Collections.sort(inscritos);

    return inscritos;

}

public Map<String,List<Inscrito>> parse() {

    List<Inscrito> inscritos = this.process();

    Map<String,List<Inscrito>> resultado = new LinkedHashMap<String, List<Inscrito>>();

    for ( Inscrito i : inscritos ) {

        List<Inscrito> lista = resultado.get( i.getInicial() );

        if ( lista == null ) {
            lista = new ArrayList<Inscrito>();
            resultado.put( i.getInicial(), lista );
        }

        lista.add( i );

    }

    return resultado;
}

}

代码本身是葡萄牙语，但你应该直截了当地了解它是什么，here's the repo on github。

Answer 2

如果您只提取少量数据，请考虑使用XPath，因为这比尝试提取整个文档要简单一些。

Answer 3

注意：我是EclipseLink JAXB (MOXy)负责人，也是JAXB 2（JSR-222）专家组的成员。

StAX（JSR-173)通常是解析XML的最快方法，而Woodstox是一个快速的StAX解析器。除了解析之外，还需要收集XML数据。这就是StAX的组合和JAXB派上用场。

确保我们的JAXB实现使用Woodstox StAX实现。配置您的环境以使用Woodstox（这就像将Woodstox添加到类路径一样简单）。创建XMLStreamReader的实例并将其作为JAXB解组的源传递。

Answer 4

无论是SAX还是StAX都可以通过一些复杂的工作来处理这个问题，确定你是想要的东西，但是为了通过显式路径提取一小部分东西，你可能最好用XPath。< / p>

另一种可能的策略是首先使用XSLT过滤到您想要的部分，然后用您喜欢的任何内容进行解析，因为过滤器的结果将是一个小得多的文档。

Answer 5

我认为您应该使用基于SAX的SAX或解析器。我建议你apache Digester。 SAX是事件驱动的，不存储状态。这就是你需要的，因为你只需要提取文档的一小部分（我猜一个标记）。

在这里使用哪种XML解析器？

5 个答案: