DOM4j以SAX方式解析XML文件

最近在解析XML时总会遇到比较大的文件，如果使用DOM的方式解析一次装进内存有可能导致OOM Error。因此，尝试采用SAX的流式方式解析了一下，效果还不错。

使用了开源工具DOM4j，其中提供了SAX解析器。

程序实现：

FileReader rd = new FileReader(new File(filePath));
SAXReader reader=new SAXReader();
reader.setEncoding("UTF-8");
XMLHandler handler = new XMLHandler();
reader.addHandler("/data/apps/app/appid", handler);
reader.addHandler("/data/apps/app/category", handler);
reader.read(rd);

首先，创建SAXReader并设定读取文件编码为UTF-8。然后指定并添加解析处理器，因为是流式解析，所以每次解析到对应的标签时就会调用相应的回调方法。XMLHandler实现如下(部分代码)：

public class XMLHandler implements ElementHandler {
        public void onStart(ElementPath elementPath) {}

	public void onEnd(ElementPath elementPath) {
		try{
			Element row = elementPath.getCurrent();
			String path = elementPath.getPath();
			if("/data/apps/app/appid".equalsIgnoreCase(path)){
				parseElement(row);
			}else if("/data/apps/app/category".equalsIgnoreCase(path)){
				parseElement(row);
			}
		}catch(Exception e){
			logger.error("onEnd:",e);
		}
	}
        
	private String parseElement(Element root)throws Exception{
		return root.getText();
	}
}

其中onStart为遇到开始的标签时回调，onEnd为遇到结束的标签时回调。path为标签对应的xml结构，上面的程序意思就是遇到某个appid或者category的结束标签时，将该标签的Text内容解析出来(之后可以用其它数据结构存储起来)。

xml文件格式：

<data>
  <apps>
    <app>
      <appid>1</appid>
      <category>游戏</category>
    </app>
  </apps>
</data>

所以appid对应的路径为：/data/apps/app/appid，category对应的路径为：/data/apps/app/category。

希望对看到的人有所帮助。

 

附上参考资料，讲的都很详细：

http://xiaoyuclub.iteye.com/blog/865120  dom4j基于sax事件处理

http://ruanchengui1.iteye.com/blog/1140260 dom4j处理xml文件-saxreader与elementhandler的配合