dom4j处理大文件

        前几天因为个人爱好，学习在Java中处理XML文档。java是开源的，自然用于处理xml的技术也是满天星斗，在网上奔波了数十分钟最终决定使用dom4j。对于入门的使用就像是羊粑粑沥漏落落满天星，很快掌握。可是当读写的xml文档稍大时这些代码就经受不住考验了，一个老问题内存溢出。这说明网上大部分的代码是将xml文档全部读入内存进行操作或是在内存中建立完整的xml文档再一次性的写入文件。有办法了，求助于网络，百度、 google搜了便，可结果是城市的天空根本看不见星星。更有为数不少的人得出结论，使用dom4j操作xml文档时受到文件大小的限制（纯属谬论），那么多的高手开发出的dom4j会考虑不到大文件的问题？求人不如求己，虽然本人英语其差（大学英语4级290分），还是决定上官方网站寻求答案（ www.dom4j.org ）。刚登录就在常见问题中看到了下面的问题

How does dom4j handle very large XML documents?（该句中80%的单词我还是认识的）

下面是本人的理解英语好的人应该去看英文原版，不要看我的垃圾翻译。

­

dom4j提供了基于事件的模型来操作xml文档。利用该模型开发人员可以一部分、一部分的处理XML文档，而不需要将整个XML文档都加载到内存中。例如：假想你要处理一个非常大的XML文档，它可能是由数据库的某张数据表而来的。如下所示：

<ROWSET>

<ROW ID="1">

  ...

</ROW>

<ROW ID="2">

  ...

</ROW>

...

<ROW ID="N">

  ...

</ROW>

</ROWSET>

我们可以在某一时间只处理一个ROW节点，而不必立刻将文档的所有内容加载到内存中。dom4j提供一个基于事件的模型来实现它。我们可以注册一个事件处理器来处理一个或多个路径表达式。事件处理器会在注册路径的开始和结束时被调用执行。当注册路径的开始标签找到时执行事件处理器的 onStart()方法，当注册路径的结束标签被找到时执行事件处理器的onEnd()方法。

­

onStart()和onEnd()方法传递一个ElementPath实例参数，这个实例既为根据注册路径遍历xml文档时的当前节点（Element）。如果想对遍历的当前节点进行操作，可以在onEnd()方法中对当前节点调用detach()方法保存改。

下面是示例代码：

 

SAXReader reader = new SAXReader();

reader.addHandler( "/ROWSET/ROW",

    new ElementHandler() {

        public void onStart(ElementPath path) {

            // do nothing here...    

        }

        public void onEnd(ElementPath path) {

            // process a ROW element

            Element row = path.getCurrent();

            Element rowSet = row.getParent();

            Document document = row.getDocument();

            ...

            // prune the tree

            row.detach();

        }

    }

);

 

Document document = reader.read(url);

上面的办法解决了读的问题可是写的问题还没有解决。我命由我不由天（吹牛皮），畅游dom4j的doc文档找到如下几个方法

startDocument()

writeOpen();

writeClose();

endDocument()

动手一试，问题搞定，看来牛皮没白吹。下面是示例代码：

 

/**

  * 数据写入xml文件

  * @param filePath 目标xml文件的存放路径

  * @return

  */

public boolean writeXML(String filePath){

  XMLWriter out;

  try {

  

   /*

    * 创建XMLWriter对象，设置XML编码，解决中文问题。

    */

   OutputFormat outputFormat = OutputFormat.createPrettyPrint();

   outputFormat.setEncoding("GBK");

   out = new XMLWriter(new FileWriter(filePath),outputFormat);

  

  

   out.startDocument();

   Element rootElement = DocumentHelper.createElement("mans");

   out.writeOpen(rootElement);

  

   /*

    * 向mans节点写入子节点

    */

   for(int i=0 ; i<1000000 ; i++){

    Element man = createManElement(new Long(i), "shuhang"+i);//用于创建节点的方法

    out.write(man);

    System.out.println(" the loop index is : " + i);

   }

  

   out.writeClose(rootElement);

   out.endDocument();

  

   out.close();

   return true;

  } catch (IOException e) {

   e.printStackTrace();

   return false;

  } catch (SAXException e) {

   e.printStackTrace();

   return false;

  }

}

 

­

新问题出现。对于读取数据的方法，在onEnd()方法中只是进行对Element的简单操作而已，若要对Element进行复杂的处理怎么办，如将Element节点的数据写入数据库，无法在onEnd()方法中加入过多的代码，因为无法通过编译。仔细想了一下dom4j的注册事件处理器应该用的是模板方法，通过钩子将用户的操作加入到模板中去。何不自己写一个事件处理器来完成我们自己的定制操作，代码如下：

 

 

public class ManElementHandler implements ElementHandler {

public String mdbName;

­

public ManElementHandler(){

  

}

­

public ManElementHandler(String mdbName){

  this.mdbName = mdbName;

}

­

public boolean saveMan(Element element, String mdbName){

  return true;

}

­

public void onEnd(ElementPath arg0) {

         Element row = arg0.getCurrent();

         Element rowSet = row.getParent();

         Document document = row.getDocument();

         Element root = document.getRootElement();

  Iterator it = root.elementIterator();

  while(it.hasNext()){

   Element element = (Element)it.next();

   System.out.println(" id : " + element.elementText("id") + " name : " + element.elementText("name"));

   saveMan(element, this.mdbName);

  }

         row.detach();

}

public void onStart(ElementPath path) {

  

}

}

 

下面给出完整的实例代码。该实例首先创建一个xml文档，然后读取xml文档中的数据并将数据写入Access数据库中。测试时使用的文件大小为125M未发生内存溢出。

 

//*****************************************************************************************************************

package com;

import java.sql.Connection;

import java.sql.DriverManager;

/**

* 获取Access数据库的连接

* @author 佛山无影脚

* @version 1.0

* Jul 7, 2008  4:35:49 PM

*/

public class AccessMDBUtil {

public static Connection connectMdb(String mdbName) {

  if(mdbName == null || mdbName.equals("")){

   return null;

  }

  try {

   Class.forName("sun.jdbc.odbc.JdbcOdbcDriver");

   String dburl ="jdbc:odbc:driver={Microsoft Access Driver (*.mdb)};DBQ="+mdbName;

   Connection conn=DriverManager.getConnection(dburl);

   return conn;

  } catch (Exception e) {

   e.printStackTrace();

   return null;

  }

}

}

//*******************************************************************************************************************

//*******************************************************************************************************************

package com;

import java.sql.Connection;

import java.sql.ResultSet;

import java.sql.SQLException;

import java.sql.Statement;

import java.util.Iterator;

import org.dom4j.Document;

import org.dom4j.Element;

import org.dom4j.ElementHandler;

import org.dom4j.ElementPath;

/**

* 定制的事件处理器

* @author 佛山无影脚

* @version 1.0

* Jul 7, 2008  4:35:49 PM

*/

public class ManElementHandler implements ElementHandler {

public String mdbName;//数据库名称 含路径

­

public ManElementHandler(){

  

}

­

public ManElementHandler(String mdbName){

  this.mdbName = mdbName;

}

­

/**

  *将Element节点数据保存到数据库

   *@param element 遍历XML文档时的当前节点

   *@param mdbName 数据库名称 含路径

   *@return

  */

public boolean saveMan(Element element, String mdbName){

  System.out.println(" the method saveMan in ManElementHandler is execute!");

  Statement stmt = null;

  ResultSet rs = null;

  Connection conn = null;

  try {

   conn= AccessMDBUtil.connectMdb(mdbName);

   stmt=conn.createStatement();

   String sql = "insert into mans(id,name) values(" + element.elementText("id") + ",'" + element.elementText("name") + "')";

   stmt.executeUpdate(sql);

  

  } catch (Exception e) {

   e.printStackTrace();

   return false;

  } finally {

   if(rs != null) {

    try {

     rs.close();

    } catch (SQLException e) {

     // TODO Auto-generated catch block

     e.printStackTrace();

    }

   }

   if(stmt != null) {

    try {

     stmt.close();

    } catch (SQLException e) {

     // TODO Auto-generated catch block

     e.printStackTrace();

    }

   }

   if(conn != null) {

    try {

     conn.close();

    } catch (SQLException e) {

     // TODO Auto-generated catch block

     e.printStackTrace();

    }

   }

  

  }

  

  return true;

}

­

public void onEnd(ElementPath arg0) {

         Element row = arg0.getCurrent();

         Element rowSet = row.getParent();

         Document document = row.getDocument();

         Element root = document.getRootElement();

  Iterator it = root.elementIterator();

  while(it.hasNext()){

   Element element = (Element)it.next();

   System.out.println(" id : " + element.elementText("id") + " name : " + element.elementText("name"));

   saveMan(element, this.mdbName);

  }

          row.detach();

}

public void onStart(ElementPath path) {

  

}

}

//*************************************************************************************************************************

//*************************************************************************************************************************

package com;

import java.io.File;

import java.io.FileWriter;

import java.io.IOException;

import org.dom4j.Document;

import org.dom4j.DocumentException;

import org.dom4j.DocumentHelper;

import org.dom4j.Element;

import org.dom4j.io.OutputFormat;

import org.dom4j.io.SAXReader;

import org.dom4j.io.XMLWriter;

import org.xml.sax.SAXException;

import org.xml.sax.XMLReader;

/**

* 测试

* @author 佛山无影脚

* @version 1.0

* Jul 7, 2008  4:35:49 PM

*/

public class ManTest {

/**

  * 创建man节点

  * <man><id>1</id><name>佛山无影脚</name></man>

  * @param id

  * @param name

  * @return

  */

public Element createManElement(Long id,String name){

  Element manElement = DocumentHelper.createElement("man");

  manElement.addElement("id").addText(id.toString());

  manElement.addElement("name").addText(name);

  return manElement;

}

­

/**

  * 数据写入xml文件

  * @param filePath 目标xml文件的存放路径

  * @return

  */

public boolean writeXML(String filePath){

  XMLWriter out;

  try {

  

   /*

    * 创建XMLWriter对象，设置XML编码，解决中文问题。

    */

   OutputFormat outputFormat = OutputFormat.createPrettyPrint();

   outputFormat.setEncoding("GBK");

   out = new XMLWriter(new FileWriter(filePath),outputFormat);

  

  

   out.startDocument();

   Element rootElement = DocumentHelper.createElement("mans");

   out.writeOpen(rootElement);

  

   /*

    * 向mans节点写入子节点

    */

   for(int i=0 ; i<1000000 ; i++){

    Element man = this.createManElement(new Long(i), "shuhang"+i);

    out.write(man);

    System.out.println(" the loop index is : " + i);

   }

  

   out.writeClose(rootElement);

   out.endDocument();

  

   out.close();

   return true;

  } catch (IOException e) {

   e.printStackTrace();

   return false;

  } catch (SAXException e) {

   e.printStackTrace();

   return false;

  }

}

­

/**

  * 从xml文件中读取数据，并将数据写入Access数据

  * @param filePath xml文件的存放路径

  * @return

  */

public boolean readXML(String filePath){

  

  ManElementHandler manElementHandler = new ManElementHandler("F://dom4j//xmlTest.mdb");

  SAXReader reader = new SAXReader();

  reader.addHandler( "/mans/man", manElementHandler);

  Document document = null;

     try {

      File file = new File(filePath);

   document = reader.read(file);

  } catch (DocumentException e) {

   e.printStackTrace();

   return false;

  }

  return true;

}

­

­

public static void main(String[] args){

  XMLReader reader = null;

  long startTime = System.currentTimeMillis();

  ManTest mantest = new ManTest();

  

  mantest.writeXML("f://dom4j//mans.xml");

  mantest.readXML("f://dom4j//mans.xml");

  

  long endTime = System.currentTimeMillis();

  System.out.println(" is end! the millis is : " + (endTime - startTime));

  

}

}

//*************************************************************************************************************************

­