在Java中查询XML的最快方法

Question

什么是在Java中查询大型XML文件的最快方法？

DOM - xpath：这需要很长时间。

     DocumentBuilderFactory docBuilderFactory = DocumentBuilderFactory.newInstance();
     docBuilderFactory.setNamespaceAware(true);

     DocumentBuilder docBuilder = docBuilderFactory.newDocumentBuilder();
     Document document = docBuilder.parse(new File("test.xml"));

     XPath xpath = XPathFactory.newInstance().newXPath();

     String xPath = "/*/*[@id='ABCD']/*/*";

     XPathExpression expr = xpath.compile(xPath);
     //this line takes lot of time
     NodeList result = (NodeList)expr.evaluate(document, XPathConstants.NODESET);

在代码的最后一行，程序需要40秒才能完成，而没有这一行只需要1秒钟。

SAX：我不知道它是否可以用于查询，在互联网上我只能找到解析的示例。

有哪些其他选项可以使查询更快？我的XML文件大小约为5MB。谢谢。

- Mahender Singh

---

你尝试过使用StAX或JAXB吗？ - davek

最快的XML解析器（已经被反复证明）是vtd-xml（http://vtd-xml.sf.net）。 - vtd-xml-author

Answer 1

如果您的id属性是xs:ID类型，并且您的文档有一个XML模式，那么您可以使用 Document.getElementById(String)方法。下面我将用一个例子来演示。 XML模式:

<?xml version="1.0" encoding="UTF-8"?>
<schema 
    xmlns="http://www.w3.org/2001/XMLSchema" 
    targetNamespace="http://www.example.org/schema" 
    xmlns:tns="http://www.example.org/schema" 
    elementFormDefault="qualified">

    <element name="foo">
        <complexType>
            <sequence>
                <element ref="tns:bar" maxOccurs="unbounded"/>
            </sequence>
        </complexType>
    </element>

    <element name="bar">
        <complexType>
            <attribute name="id" type="ID"/>
        </complexType>
    </element>

</schema>

XML Input (input.xml)

<?xml version="1.0" encoding="UTF-8"?>
<foo xmlns="http://www.example.org/schema">
    <bar id="ABCD"/>
    <bar id="EFGH"/>
    <bar id="IJK"/>
</foo>

演示

要使一切正常工作，您需要在DocumentBuilderFactory上设置Schema的实例。

import java.io.File;
import javax.xml.XMLConstants;
import javax.xml.parsers.*;
import javax.xml.validation.*;
import org.w3c.dom.*;

public class Demo {

    public static void main(String[] args) throws Exception {
        SchemaFactory sf = SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI);
        Schema schema = sf.newSchema(new File("src/forum17250259/schema.xsd"));

        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        dbf.setNamespaceAware(true);
        dbf.setSchema(schema);
        DocumentBuilder db = dbf.newDocumentBuilder();
        Document document = db.parse(new File("src/forum17250259/input.xml"));

        Element result = document.getElementById("EFGH");
        System.out.println(result);
    }

}

- bdoughan

Answer 2

请查看SAX API，因为它是目前处理XML文档最快且最少占用内存的机制。

- Suresh Atta

---

sax似乎不支持xpath。 - vtd-xml-author

Answer 3

这取决于您想执行的查询类型。

例如，如果您只想通过ID查找节点，然后读取其文本内容，SAX将非常快，但需要编写一些代码来编写SAX处理程序（可能是从this扩展的）。

另一方面，如果您想执行类似“获取foo的第三个祖先节点，其中foo有一个名为bah的子节点”的相当复杂的查询，您基本上必须使用xpath，因为SAX处理程序将过于复杂。

- wobblycogs

Answer 4

Jdk的默认XPath引擎因其性能缓慢而臭名昭著。您应该考虑使用Jaxen或vtd-xml。请参阅以下文章...

http://fahdshariff.blogspot.com/2010/08/faster-xpaths-with-vtd-xml.html

- vtd-xml-author

---

您可能需要提到vtd-xml是一款商业产品。 - Thorbjørn Ravn Andersen

Vtd-xml在GPL下获得许可，但也可以商业授权。 - vtd-xml-author

Answer 5

试试Jackson库，它是最快的xml/json解析库之一。

- Danny02