java 解析 xml xpath_JAVA通过XPath解析XML性能比较

转自【http://www.cnblogs.com/mouse-coder/p/3451243.html】

最近在做一个小项目，使用到XML文件解析技术，通过对该技术的了解和使用，总结了以下内容。

1 XML文件解析的4种方法

通常解析XML文件有四种经典的方法。基本的解析方式有两种，一种叫SAX，另一种叫DOM。SAX是基于事件流的解析，DOM是基于XML文档树结构的解析。在此基础上，为了减少DOM、SAX的编码量，出现了JDOM，其优点是，20-80原则(帕累托法则)，极大减少了代码量。通常情况下JDOM使用时满足要实现的功能简单，如解析、创建等要求。但在底层，JDOM还是使用SAX(最常用)、DOM、Xanan文档。另外一种是DOM4J，是一个非常非常优秀的Java XML API，具有性能优异、功能强大和极端易用的特点，同时它也是一个开放源代码的软件。如今你可以看到越来越多的 Java 软件都在使用 DOM4J 来读写 XML，特别值得一提的是连 Sun 的 JAXM 也在用 DOM4J。具体四种方法的使用，百度一下，会有众多详细的介绍。可以参考SMCwwh对以上技术的详细介绍，http://blog.csdn.net/smcwwh/article/details/7183869#part3。

2 XPath简单介绍

XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航，并对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 同时被构建于 XPath 表达之上。因此，对 XPath 的理解是很多高级 XML 应用的基础。XPath非常类似对数据库操作的SQL语言，或者说JQuery，它可以方便开发者抓起文档中需要的东西。其中DOM4J也支持XPath的使用。XPath的具体使用教程可以参考http://www.w3school.com.cn/xpath/index.asp。

3 DOM4J使用XPath

DOM4J使用XPath解析XML文档是，首先需要在项目中引用两个JAR包：

jaxen-xx.xx.jar：通常不添加此包，会引发异常(java.lang.NoClassDefFoundError: org/jaxen/JaxenException)，下载地址

3.1 命名空间(namespace)的干扰

在处理由excel文件或其他格式文件转换的xml文件时，通常会遇到通过XPath解析得不到结果的情况。这种情况通常是由于命名空间的存在导致的。以下述内容的XML文件为例，通过XPath=" // Workbook/ Worksheet / Table / Row[1]/ Cell[1]/Data[1] "进行简单的检索，通常是没有结果出现的。这就是由于命名空间namespace(xmlns="urn:schemas-microsoft-com:office:spreadsheet")导致的。

敲代码的耗子

Sunny

3.2 XPath对带有命名空间的xml文件解析

第一种方法(read1()函数)：使用XPath语法中自带的local-name() 和 namespace-uri() 指定你要使用的节点名和命名空间。 XPath表达式书写较为麻烦。

第二种方法(read2()函数)：设置XPath的命名空间，利用setNamespaceURIs()函数。

第三种方法(read3()函数)：设置DocumentFactory()的命名空间 ，使用的函数是setXPathNamespaceURIs()。二和三两种方法的XPath表达式书写相对简单。

第四种方法(read4()函数)：方法和第三种一样，但是XPath表达式不同(程序具体体现)，主要是为了检验XPath表达式的不同，主要指完整程度，是否会对检索效率产生影响。

(以上四种方法均通过DOM4J结合XPath对XML文件进行解析)

第五种方法(read5()函数)：使用DOM结合XPath对XML文件进行解析，主要是为了检验性能差异。

没有什么能够比代码更能说明问题的了！果断上代码！

1 package XPath;

2 import java.io.IOException;

3 import java.io.InputStream;

4 import java.util.HashMap;

5 import java.util.List;

6 import java.util.Map;

7

8 import javax.xml.parsers.DocumentBuilder;

9 import javax.xml.parsers.DocumentBuilderFactory;

10 import javax.xml.parsers.ParserConfigurationException;

11 import javax.xml.xpath.XPathConstants;

12 import javax.xml.xpath.XPathExpression;

13 import javax.xml.xpath.XPathExpressionException;

14 import javax.xml.xpath.XPathFactory;

15

16 import org.dom4j.Document;

17 import org.dom4j.DocumentException;

18 import org.dom4j.Element;

19 import org.dom4j.XPath;

20 import org.dom4j.io.SAXReader;

21 import org.w3c.dom.NodeList;

22 import org.xml.sax.SAXException;

23

24 /**

25 * DOM4J DOM XML XPath

26 * @author hao

27 */

28 public class TestDom4jXpath {

29 public static void main(String[] args) {

30 read1();

31 read2();

32 read3();

33 read4();//read3()方法一样，但是XPath表达式不同

34 read5();

35 }

36

37 public static void read1() {

38 /*

39 * use local-name() and namespace-uri() in XPath

40 */

41 try {

42 long startTime=System.currentTimeMillis();

43 SAXReader reader = new SAXReader();

44 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");

45 Document doc = reader.read(in);

46 /*String xpath ="//*[local-name()='Workbook' and namespace-uri()='urn:schemas-microsoft-com:office:spreadsheet']"

47 + "/*[local-name()='Worksheet']"

48 + "/*[local-name()='Table']"

49 + "/*[local-name()='Row'][4]"

50 + "/*[local-name()='Cell'][3]"

51 + "/*[local-name()='Data'][1]";*/

52 String xpath ="//*[local-name()='Row'][4]/*[local-name()='Cell'][3]/*[local-name()='Data'][1]";

53 System.err.println("=====use local-name() and namespace-uri() in XPath====");

54 System.err.println("XPath：" + xpath);

55 @SuppressWarnings("unchecked")

56 List list = doc.selectNodes(xpath);

57 for(Object o:list){

58 Element e = (Element) o;

59 String show=e.getStringValue();

60 System.out.println("show = " + show);

61 long endTime=System.currentTimeMillis();

62 System.out.println("程序运行时间： "+(endTime-startTime)+"ms");

63 }

64 } catch (DocumentException e) {

65 e.printStackTrace();

66 }

67 }

68

69 public static void read2() {

70 /*

71 * set xpath namespace(setNamespaceURIs)

72 */

73 try {

74 long startTime=System.currentTimeMillis();

75 Map map = new HashMap();

76 map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");

77 SAXReader reader = new SAXReader();

78 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");

79 Document doc = reader.read(in);

80 String xpath ="//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";

81 System.err.println("=====use setNamespaceURIs() to set xpath namespace====");

82 System.err.println("XPath：" + xpath);

83 XPath x = doc.createXPath(xpath);

84 x.setNamespaceURIs(map);

85 @SuppressWarnings("unchecked")

86 List list = x.selectNodes(doc);

87 for(Object o:list){

88 Element e = (Element) o;

89 String show=e.getStringValue();

90 System.out.println("show = " + show);

91 long endTime=System.currentTimeMillis();

92 System.out.println("程序运行时间： "+(endTime-startTime)+"ms");

93 }

94 } catch (DocumentException e) {

95 e.printStackTrace();

96 }

97 }

98

99 public static void read3() {

100 /*

101 * set DocumentFactory() namespace(setXPathNamespaceURIs)

102 */

103 try {

104 long startTime=System.currentTimeMillis();

105 Map map = new HashMap();

106 map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");

107 SAXReader reader = new SAXReader();

108 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");

109 reader.getDocumentFactory().setXPathNamespaceURIs(map);

110 Document doc = reader.read(in);

111 String xpath ="//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";

112 System.err.println("=====use setXPathNamespaceURIs() to set DocumentFactory() namespace====");

113 System.err.println("XPath：" + xpath);

114 @SuppressWarnings("unchecked")

115 List list = doc.selectNodes(xpath);

116 for(Object o:list){

117 Element e = (Element) o;

118 String show=e.getStringValue();

119 System.out.println("show = " + show);

120 long endTime=System.currentTimeMillis();

121 System.out.println("程序运行时间： "+(endTime-startTime)+"ms");

122 }

123 } catch (DocumentException e) {

124 e.printStackTrace();

125 }

126 }

127

128 public static void read4() {

129 /*

130 * 同read3()方法一样，但是XPath表达式不同

131 */

132 try {

133 long startTime=System.currentTimeMillis();

134 Map map = new HashMap();

135 map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");

136 SAXReader reader = new SAXReader();

137 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");

138 reader.getDocumentFactory().setXPathNamespaceURIs(map);

139 Document doc = reader.read(in);

140 String xpath ="//Workbook:Worksheet/Workbook:Table/Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";

141 System.err.println("=====use setXPathNamespaceURIs() to set DocumentFactory() namespace====");

142 System.err.println("XPath：" + xpath);

143 @SuppressWarnings("unchecked")

144 List list = doc.selectNodes(xpath);

145 for(Object o:list){

146 Element e = (Element) o;

147 String show=e.getStringValue();

148 System.out.println("show = " + show);

149 long endTime=System.currentTimeMillis();

150 System.out.println("程序运行时间： "+(endTime-startTime)+"ms");

151 }

152 } catch (DocumentException e) {

153 e.printStackTrace();

154 }

155 }

156

157 public static void read5() {

158 /*

159 * DOM and XPath

160 */

161 try {

162 long startTime=System.currentTimeMillis();

163 DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();

164 dbf.setNamespaceAware(false);

165 DocumentBuilder builder = dbf.newDocumentBuilder();

166 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");

167 org.w3c.dom.Document doc = builder.parse(in);

168 XPathFactory factory = XPathFactory.newInstance();

169 javax.xml.xpath.XPath x = factory.newXPath();

170 //选取所有class元素的name属性

171 String xpath = "//Workbook/Worksheet/Table/Row[4]/Cell[3]/Data[1]";

172 System.err.println("=====Dom XPath====");

173 System.err.println("XPath：" + xpath);

174 XPathExpression expr = x.compile(xpath);

175 NodeList nodes = (NodeList)expr.evaluate(doc, XPathConstants.NODE);

176 for(int i = 0; i

177 System.out.println("show = " + nodes.item(i).getNodeValue());

178 long endTime=System.currentTimeMillis();

179 System.out.println("程序运行时间： "+(endTime-startTime)+"ms");

180 }

181 } catch(XPathExpressionException e) {

182 e.printStackTrace();

183 } catch(ParserConfigurationException e) {

184 e.printStackTrace();

185 } catch(SAXException e) {

186 e.printStackTrace();

187 } catch(IOException e) {

188 e.printStackTrace();

189 }

190 }

191 }

3.3 不同方法的性能比较

为了比较几种方法的解析性能，实验过程中使用了6M以上大小，7万行以上的XML文件(XXX.xml)进行10轮测试，如下所述：

图1 XPath使用性能对比

方法名称

平均运行时间

XPath表达式

read1()

1663ms

//*[local-name()='Row'][4]/*[local-name()='Cell'][3]/*[local-name()='Data'][1]

read2()

2184ms

//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]

read3()

601ms

//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]

read4()

472ms

//Workbook:Worksheet/Workbook:Table/Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]

read5()

1094ms

//Workbook/Worksheet/Table/Row[4]/Cell[3]/Data[1]

表1 平均性能统计

由以上性能对比可知：

1、read4()方法运行时间最短，即运用DOM4J方法调用全路径(从根节点出发)XPath表达式解析XML文件耗时最短；

2、运用DOM解析方法所使用的XPath表达式最为简单(可以写作//Row[4]/Cell[3]/Data[1])，因DOM中可以通过setNamespaceAware(false)方法使命名空间失效。