近幾個月因為投入 SOA 相關的開發,我一直在與 XML 操作打交道,SQL 都快忘光了。仔細梳理後發現,常見的 XML 資料操作方式至少有四種(Java 生態圈也大同小異),但一直沒有實際比較過它們各自的特點與優劣。正好網路上也缺乏這方面的實測,於是動手做了一次歸納。
測試的第一步是準備 XML 來源。我找了一份體積較大的 RSS 檔案連結,把它複製到專案的 bin/debug 目錄下,並透過以下方式讀入資料流:
Stream XMLStream = new MemoryStream(File.ReadAllBytes(path));
這種方式基本遵循 W3C 的 DOM 操作模型,會先把整份文件載入並解析成記憶體中的物件樹。
static IList testXMLDocument()
{
var doc = new XmlDocument();
doc.Load(XMLStream);
var nodeList = doc.DocumentElement.ChildNodes;
var lstChannel = new List<object>(nodeList.Count);
foreach (XmlNode node in nodeList)
{
var channel = new
{
Title = node.SelectSingleNode("title").InnerText,
Link = node.SelectSingleNode("link").InnerText,
Description = node.SelectSingleNode("description").InnerText,
Content = node.SelectSingleNode("content").InnerText,
PubDate = node.SelectSingleNode("pubDate").InnerText,
Author = node.SelectSingleNode("author").InnerText,
Category = node.SelectSingleNode("category").InnerText
};
lstChannel.Add(channel);
}
return lstChannel;
}
同樣先載入 XMLDocument,再透過 Navigator 以 XPath 表達式 /channel/item 選取節點。
static IList testXmlNavigator()
{
var doc = new XmlDocument();
doc.Load(XMLStream);
var nav = doc.CreateNavigator();
nav.MoveToRoot();
var nodeList = nav.Select("/channel/item");
var lstChannel = new List<object>(nodeList.Count);
foreach (XPathNavigator node in nodeList)
{
var channel = new
{
Title = node.SelectSingleNode("title").Value,
Link = node.SelectSingleNode("link").Value,
Description = node.SelectSingleNode("description").Value,
Content = node.SelectSingleNode("content").Value,
PubDate = node.SelectSingleNode("pubDate").Value,
Author = node.SelectSingleNode("author").Value,
Category = node.SelectSingleNode("category").Value
};
lstChannel.Add(channel);
}
return lstChannel;
}
這就是所謂的 SAX 式「只讀、向前」串流讀取,透過 switch 逐一判斷節點名稱來組裝資料。
static List<Channel> testXmlReader()
{
var lstChannel = new List<Channel>();
var reader = XmlReader.Create(XMLStream);
while (reader.Read())
{
if (reader.Name == "item" && reader.NodeType == XmlNodeType.Element)
{
var channel = new Channel();
lstChannel.Add(channel);
while (reader.Read())
{
if (reader.Name == "item") break;
if (reader.NodeType != XmlNodeType.Element) continue;
switch (reader.Name)
{
case "title": channel.Title = reader.ReadString(); break;
case "link": channel.Link = reader.ReadString(); break;
case "description": channel.Description = reader.ReadString(); break;
case "content": channel.Content = reader.ReadString(); break;
case "pubDate": channel.PubDate = reader.ReadString(); break;
case "author": channel.Author = reader.ReadString(); break;
case "category": channel.Category = reader.ReadString(); break;
}
}
}
}
return lstChannel;
}
利用 LINQ 的宣告式語法,程式碼最為簡潔直觀。
static IList testXmlLinq()
{
var xd = XDocument.Load(XMLStream);
var list = from node in xd.Elements("channel").Descendants("item")
select new
{
Title = node.Element("title").Value,
Link = node.Element("link").Value,
Description = node.Element("description").Value,
Content = node.Element("content").Value,
PubDate = node.Element("pubDate").Value,
Author = node.Element("author").Value,
Category = node.Element("category").Value
};
return list.ToList();
}
在同一份 RSS 檔案上的實測耗時如下:
XmlDocument 的操作基本沿用 W3C 的 DOM 方式,但它會把全部節點解析成物件並載入記憶體,往往造成不小的浪費,因此微軟自己的編程規範也不特別推薦使用。由於此測試讀取了所有節點,它的效能才與 Navigator 方式相差不大。
在三種隨機讀取方式中,LINQ to XML 的效能表現相當亮眼,只是方法名稱讀起來略顯別扭。而 XmlTextReader 這類 SAX 式的「只讀向前」做法無疑效能最高,代價是實作上要精確控制存取邏輯,寫起來麻煩不少,也無法用匿名類別來儲存資料。
自 .NET 3.5 起,LINQ to XML 已能很好地取代前兩種方式,一般情況下建議優先採用。只有在極少數對效能要求極高,或 XML 資料量過大、無法一次載入記憶體的場景,才不得不退而求其次,選擇較為繁瑣的 XmlTextReader。