在这里使用哪种XML解析器？

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:

1. 这里不使用DOM(由于可能有大量的doc,没有CRUD要求,而源是网络)

2. 没有SAX,因为我只需要获得一小部分数据.

3. StaX可以是一种方法,但我不确定它是否是最快的方式.

4. 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？),虽然我可以根据此链接配置它与Stax或Woodstock一起使用

我正在阅读很多,仍然困惑于这么多的选择!任何帮助,将不胜感激.

谢谢 !

编辑:我想在这里再添一个问题: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SAX解析器,则无论如何都会收到该事件.

但它也比使用SAX或DOM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理解它是什么,这里是github上的repo.

Answer 2

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