JAVA通过XPath解析XML性能比较详解

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。

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。

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：

dom4j-1.6.1.jar：dom4j软件包，下载地址；

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。

<workbook xmlns="urn:schemas-microsoft-com:office:spreadsheet" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:x="urn:schemas-microsoft-com:office:excel" xmlns:ss="urn:schemas-microsoft-com:office:spreadsheet" xmlns:html="http://www.w3.org/tr/rec-html40">
 <worksheet ss:name="sheet1">
  <table ss:expandedcolumncount="81" ss:expandedrowcount="687" x:fullcolumns="1" x:fullrows="1" ss:defaultcolumnwidth="52.5" ss:defaultrowheight="15.5625">
   <row ss:autofitheight="0">
     <cell>
     <data ss:type="string">敲代码的耗子</data>
     </cell> 
   </row>
   <row ss:autofitheight="0">
     <cell>
     <data ss:type="string">sunny</data>
     </cell> 
   </row>
  </table>
 </worksheet>
</workbook>

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！

package xpath;
import java.io.ioexception;
import java.io.inputstream;
import java.util.hashmap;
import java.util.list;
import java.util.map;

import javax.xml.parsers.documentbuilder;
import javax.xml.parsers.documentbuilderfactory;
import javax.xml.parsers.parserconfigurationexception;
import javax.xml.xpath.xpathconstants;
import javax.xml.xpath.xpathexpression;
import javax.xml.xpath.xpathexpressionexception;
import javax.xml.xpath.xpathfactory;

import org.dom4j.document;
import org.dom4j.documentexception;
import org.dom4j.element;
import org.dom4j.xpath;
import org.dom4j.io.saxreader;
import org.w3c.dom.nodelist;
import org.xml.sax.saxexception;

/**
 * dom4j dom xml xpath
 * @author hao
 */
public class testdom4jxpath {
  public static void main(string[] args) {
    read1();
    read2();
    read3();
    read4();//read3（）方法一样，但是xpath表达式不同
    read5();
  }
  
  public static void read1() {
    /*
     * use local-name() and namespace-uri() in xpath
     */
    try {
      long starttime=system.currenttimemillis();
      saxreader reader = new saxreader();
      inputstream in = testdom4jxpath.class.getclassloader().getresourceasstream("xpath\\xxx.xml");
      document doc = reader.read(in);
      /*string xpath ="//*[local-name()='workbook' and namespace-uri()='urn:schemas-microsoft-com:office:spreadsheet']"
          + "/*[local-name()='worksheet']"
          + "/*[local-name()='table']"
          + "/*[local-name()='row'][4]"
          + "/*[local-name()='cell'][3]"
          + "/*[local-name()='data'][1]";*/
      string xpath ="//*[local-name()='row'][4]/*[local-name()='cell'][3]/*[local-name()='data'][1]";
      system.err.println("=====use local-name() and namespace-uri() in xpath====");
      system.err.println("xpath：" + xpath);
      @suppresswarnings("unchecked")
      list<element> list = doc.selectnodes(xpath);
      for(object o:list){ 
        element e = (element) o; 
        string show=e.getstringvalue();
        system.out.println("show = " + show); 
      long endtime=system.currenttimemillis();
      system.out.println("程序运行时间： "+(endtime-starttime)+"ms");
      } 
    } catch (documentexception e) {
      e.printstacktrace();
    }
  }
  
  public static void read2() {
    /*
     * set xpath namespace(setnamespaceuris)
     */
    try {
      long starttime=system.currenttimemillis();
      map map = new hashmap();
      map.put("workbook","urn:schemas-microsoft-com:office:spreadsheet");
      saxreader reader = new saxreader();
      inputstream in = testdom4jxpath.class.getclassloader().getresourceasstream("xpath\\xxx.xml");
      document doc = reader.read(in);
      string xpath ="//workbook:row[4]/workbook:cell[3]/workbook:data[1]";
      system.err.println("=====use setnamespaceuris() to set xpath namespace====");
      system.err.println("xpath：" + xpath);
      xpath x = doc.createxpath(xpath);
      x.setnamespaceuris(map);
      @suppresswarnings("unchecked")
      list<element> list = x.selectnodes(doc);
      for(object o:list){ 
        element e = (element) o; 
        string show=e.getstringvalue();
        system.out.println("show = " + show);  
      long endtime=system.currenttimemillis();
      system.out.println("程序运行时间： "+(endtime-starttime)+"ms");
      } 
    } catch (documentexception e) {
      e.printstacktrace();
    }
  }
  
  public static void read3() {
    /*
     * set documentfactory() namespace(setxpathnamespaceuris)
     */
    try {
      long starttime=system.currenttimemillis();
      map map = new hashmap();
      map.put("workbook","urn:schemas-microsoft-com:office:spreadsheet");
      saxreader reader = new saxreader();
      inputstream in = testdom4jxpath.class.getclassloader().getresourceasstream("xpath\\xxx.xml");
      reader.getdocumentfactory().setxpathnamespaceuris(map);
      document doc = reader.read(in);
      string xpath ="//workbook:row[4]/workbook:cell[3]/workbook:data[1]";
      system.err.println("=====use setxpathnamespaceuris() to set documentfactory() namespace====");
      system.err.println("xpath：" + xpath);
      @suppresswarnings("unchecked")
      list<element> list = doc.selectnodes(xpath);
      for(object o:list){ 
        element e = (element) o; 
        string show=e.getstringvalue();
        system.out.println("show = " + show);
      long endtime=system.currenttimemillis();
      system.out.println("程序运行时间： "+(endtime-starttime)+"ms");  
      } 
    } catch (documentexception e) {
      e.printstacktrace();
    }
  }
  
  public static void read4() {
    /*
     * 同read3（）方法一样，但是xpath表达式不同
     */
    try {
      long starttime=system.currenttimemillis();
      map map = new hashmap();
      map.put("workbook","urn:schemas-microsoft-com:office:spreadsheet");
      saxreader reader = new saxreader();
      inputstream in = testdom4jxpath.class.getclassloader().getresourceasstream("xpath\\xxx.xml");
      reader.getdocumentfactory().setxpathnamespaceuris(map);
      document doc = reader.read(in);
      string xpath ="//workbook:worksheet/workbook:table/workbook:row[4]/workbook:cell[3]/workbook:data[1]";
      system.err.println("=====use setxpathnamespaceuris() to set documentfactory() namespace====");
      system.err.println("xpath：" + xpath);
      @suppresswarnings("unchecked")
      list<element> list = doc.selectnodes(xpath);
      for(object o:list){ 
        element e = (element) o; 
        string show=e.getstringvalue();
        system.out.println("show = " + show);
      long endtime=system.currenttimemillis();
      system.out.println("程序运行时间： "+(endtime-starttime)+"ms");  
      } 
    } catch (documentexception e) {
      e.printstacktrace();
    }
  }
  
  public static void read5() {
    /*
     * dom and xpath
     */
    try {
      long starttime=system.currenttimemillis();
      documentbuilderfactory dbf = documentbuilderfactory.newinstance();
      dbf.setnamespaceaware(false);
      documentbuilder builder = dbf.newdocumentbuilder();
      inputstream in = testdom4jxpath.class.getclassloader().getresourceasstream("xpath\\xxx.xml");
      org.w3c.dom.document doc = builder.parse(in);
      xpathfactory factory = xpathfactory.newinstance();
      javax.xml.xpath.xpath x = factory.newxpath();
      //选取所有class元素的name属性
      string xpath = "//workbook/worksheet/table/row[4]/cell[3]/data[1]";
      system.err.println("=====dom xpath====");
      system.err.println("xpath：" + xpath);
      xpathexpression expr = x.compile(xpath);
      nodelist nodes = (nodelist)expr.evaluate(doc, xpathconstants.node);
      for(int i = 0; i<nodes.getlength();i++) {
        system.out.println("show = " + nodes.item(i).getnodevalue());
      long endtime=system.currenttimemillis();
      system.out.println("程序运行时间： "+(endtime-starttime)+"ms");
      }
    } catch(xpathexpressionexception e) {
      e.printstacktrace();
    } catch(parserconfigurationexception e) {
      e.printstacktrace();
    } catch(saxexception e) {
      e.printstacktrace();
    } catch(ioexception e) {
      e.printstacktrace();
    }
  }
}

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。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。