JAVA通过XPath解析XML性能比较（原创）

　　（转载请标明原文地址）

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：

dom4j-1.6.1.jar：DOM4J软件包，下载地址http://sourceforge.net/projects/dom4j/；

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http://www.jaxen.org/releases.html。

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。