XML 因為天生就帶有描述性,往往會變得相當囉嗦。結果就是:隨著被描述的資料增多,文檔也越拉越長,一旦需要與其他實體交換,這種龐大的文檔就成了問題。和普通文字檔或 EDI 比起來,XML 顯得格外冗長。
舉個例:同樣一份客戶資料,用逗號分隔的文字檔可能只是一行 John,Doe,1587,4/18/2000,1234 Anywhere St.,SomeCity,AZ,85222;換成 XML,卻要寫成:
<customers>
<customer customerID="1587">
<firstName>John</firstName>
<lastName>Doe</lastName>
<customerSince>4/18/2000</customerSince>
<street>1234 Anywhere St.</street>
<city>SomeCity</city>
<state>AZ</state>
<postalCode>85222</postalCode>
</customer>
</customers>
即便包含的原始資料完全一樣,XML 檔還是大了許多。這無可厚非——XML 本質上是一種元資料語言,具備解析、驗證、轉換等諸多優點,體積自然比同類格式大。而當 XML 被越來越廣泛地用作資料交換的手段,被交換文檔的体积就會直接拖累應用的效能與可擴展性。
想縮小 XML 檔,有幾招:在適當處把元素轉為屬性、縮寫元素與屬性名、去掉無關緊要的空白、只定義必要的內容。但無論怎麼改,大量原始資料終究會撐出一個大檔。若你的 XML 檔動輒好幾兆,甚至要把大檔拆分——拆分雖可行,卻會帶來額外的複雜性,還得確保每份都能被準確送達與接收。
更實際的辦法是壓縮。由於 XML 是純文字,大檔往往能被壓成小得多的形式。下面以 .NET 為例,示範如何用程式壓縮 XML 檔。
值得一提的是,.NET 的 J# 語言本身支援壓縮,但內建的基底類別庫並不支援。所幸有一個完全以受控程式碼寫成、名為 SharpZipLib 的元件可用(可至 icsharpcode.net 下載)。它以 C# 寫成,支援 Zip、GZip、Tar 與 BZip2,並以 assembly 形式實作,能與任何 .NET 語言的專案結合。
雖然 SharpZipLib 支援多種壓縮格式,我還是選了最普及的 ZIP。為了讓程式碼可重用,我寫了一個名為 Zipper 的自訂類別,其中有一個靜態方法 GenerateZipFile(),可接收要保存 ZIP 檔的路徑,以及一個包含所有待壓縮檔案路徑的 ArrayList。
Zipper 其實是 SharpZipLib 中 ZipOutputStream 類別的封裝。幾乎不用寫什麼程式碼,就能把多個檔壓進一個 ZIP 存檔裡。GenerateZipFile() 會建立 ZipOutputStream 實例,並透過其 SetLevel 屬性設定壓縮等級(最高 9,最低 0)。接著,它會逐一列舉 ArrayList 中的檔案,把每個檔載入接受檔名與登入時間的 ZipEntry 物件,再用 PutNextEntry() 加入 ZipOutputStream。之後透過 FileStream 以位元組形式讀取檔案內容,用 Read() 讀入緩衝區,再用 Write() 寫入串流。所有條目加完後,存檔便以 .zip 為副檔名存到硬碟。
有壓縮,自然也有反過來的場景:有人寄來一個壓縮檔,得先解開才能解析。這可藉 SharpZipLib 的 ZipFile 類別解決。在 Zipper 類別的 ExtractZipFile() 靜態方法中,程式先建立 ZipFile 實例,列舉 ZIP 中的每個 ZipEntry,呼叫 GetInputStream()(傳入要解壓的 ZipEntry)取得資料流,讀進緩衝區後透過 FileStream 寫入檔案。呼叫 GetInputStream() 時,ZipFile 會自動完成解壓。
此外,解壓後的位元組流也能寫進 MemoryStream,這在「檔案解析前不必落地存檔」時特別有用。
結論很簡單:XML 固然冗長,但透過 SharpZipLib 這類 .NET 元件壓縮後,大檔能縮成很小的一份,從而縮短各實體間的文件交換時間,讓資料處理更快。對想動手試試的朋友,可以參考 Dan Wahlin 在 XML for ASP.NET 網站上提供的範例。