java采用SAX解析xml文件

问题原因

1.最近在解析xml 文件时，之前用的DOM比较方便简单，但是现在发现xml文件高达6G,内存已经撑不住了，因为DOM解析是将xml数据全部加入到内存中形成完整的dom树，所以就改了流式解析。

SAX解析

优点： 基于事假驱动，顺序读写，速度快，解析时，占用内存小。
缺点：不能任意读取节点，灵活性差。

package com.yicong.boke.test.crawler.saxxml;

import java.io.File;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

/**
 * @author yicong
 * @date 2020年6月28日
 */
public class SaxHandlerTest extends DefaultHandler {
	// 用于临时存储当前读到的标签名
	private String curTag;// 用于方法跨度使用变量。
	private Map<String, String> map = null;
	private List<Map<String, String>> list = new ArrayList<Map<String, String>>();// 装数据
	private String groupNode="item";// 确定一组数据的分界点
	/*
	 * 此方法有三个参数 arg0是传回来的字符数组，其包含元素内容 arg1和arg2分别是数组的开始位置和结束位置
	 */

	@Override
	public void characters(char[] arg0, int arg1, int arg2) throws SAXException {
		System.out.print(new String(arg0, arg1, arg2));

		if (curTag != null) {
			String content = new String(arg0, arg1, arg2);
			if (map!=null&&!content.contains("\n")) {// 把换行的的element去掉,即去掉本身自己
				String ss = map.get(curTag);
				if (ss != null) {// 防止有的数据需要多行才能打印出来
					map.put(curTag, ss + content);
				} else {
					map.put(curTag, content);
				}
			}
		}

		super.characters(arg0, arg1, arg2);
	}

	/**
	 * 解析xml文件结束
	 */
	@Override
	public void endDocument() throws SAXException {
		System.out.println("\n结束解析");
		super.endDocument();
	}

	/**
	 * 解析xml元素结束
	 */
	/*
	 * arg0是名称空间 arg1是包含名称空间的标签，如果没有名称空间，则为空 arg2是不包含名称空间的标签
	 */
	@Override
	public void endElement(String arg0, String arg1, String arg2) throws SAXException {
		System.out.print("</");
		System.out.print(arg2);
		System.out.print(">");
		if (groupNode.equals(arg2)) {
			// 调用添加数据
			list.add(map);
			map = null;
		}
		curTag = null;
		super.endElement(arg0, arg1, arg2);
	}

	/**
	 * 开始解析xml文件
	 */
	@Override
	public void startDocument() throws SAXException {
		System.out.println("开始解析");
		String s = "<?xml version=\"1.0\" encoding=\"UTF-8\"?>";
		System.out.println(s);

		super.startDocument();
	}

	/**
	 * 开始解析xml元素
	 */
	/*
	 * arg0是名称空间 arg1是包含名称空间的标签，如果没有名称空间，则为空 arg2是不包含名称空间的标签 arg3很明显是属性的集合
	 */
	@Override
	public void startElement(String arg0, String arg1, String arg2, Attributes arg3) throws SAXException {

		System.out.print("<");
		System.out.print(arg2);

		if (arg3 != null) {
			for (int i = 0; i < arg3.getLength(); i++) {
				System.out.print(" " + arg3.getQName(i) + "=\"" + arg3.getValue(i) + "\"");
			}
		}
		System.out.print(">");

		if (groupNode.equals(arg2)) {
			map = new HashMap<String, String>();
		}

		curTag = arg2;// 将正在解析的节点名称赋给curTag

		super.startElement(arg0, arg1, arg2, arg3);
	}

	public static void main(String[] args) throws Exception {
		// 1.实例化SAXParserFactory对象
		SAXParserFactory factory = SAXParserFactory.newInstance();
		// 2.创建解析器
		SAXParser parser = factory.newSAXParser();
		// 3.获取需要解析的文档，生成解析器,最后解析文档
		File f = new File("D:\\My Documents\\Desktop\\test.html");
		SaxHandlerTest dh = new SaxHandlerTest();
		parser.parse(f, dh);
	}

}