XML 解析是開發中的常見環節,而選對解析器往往決定成敗。本文由原理出發,比較 DOM、SAX、JDOM、DOM4J 四種主流解析模型的運作方式與效能表現。
DOM 是 W3C 官方標準,以與平台和語言無關的方式表示 XML 文件。它把文件組織成一個由節點構成的階層樹狀結構,讓開發者能在樹中搜尋特定資訊。分析時通常需要先載入整份文件並建構完整樹狀結構,因此被歸類為「基於樹」或「基於物件」的處理方式。
DOM 的優點是:樹結構常駐記憶體,可隨時修改,也能在樹中自由上下導覽,而不像 SAX 是一次性處理,使用起來相對簡單。缺點則是:面對超大文件時,解析與載入整份文件既慢又耗記憶體,這時改用事件導向的模型(如 SAX)會更合適。
SAX 的優點近似於「串流」:解析可以立即開始,不必等所有資料到齊;由於程式只在讀取資料時才檢查,資料不必全部常駐記憶體。對大型文件而言,這是巨大優勢——你甚至不必解析整份文件,能在條件滿足時提前停止。一般來說,SAX 也比 DOM 快上許多。
這對需要親自撰寫 XML 處理程式碼的開發者來說,是重要的設計決策。
DOM 以樹狀結構存取文件,程式撰寫容易,只需呼叫建樹指令,再用導覽 API 存取節點即可,也能輕易增刪元素;但因為要處理整份文件,對效能與記憶體要求較高,特別是大型文件。憑藉其遍歷能力,DOM 常用於需要頻繁修改文件的場合。
SAX 採用事件模型,解析時會觸發一系列事件,遇到指定標籤便啟動回呼方法。它對記憶體需求低,因為開發者可自行決定要處理哪些標籤,特別適合只需處理部分資料的情境;但缺點是程式撰寫較費工,且難以同時存取同一文件中的多處資料。
JDOM 的目標是成為 Java 專屬的文件模型,簡化與 XML 的互動,並比直接使用 DOM 更快。它自 2000 年初開始開發,曾考慮透過「Java 規範請求 JSR-102」成為 Java 標準延伸。
JDOM 與 DOM 主要有兩點不同:其一,JDOM 只用具體類別而非介面,這在某些方面簡化了 API,卻也犧牲了彈性;其二,它大量使用 Collections 類別,方便熟悉這些類別的 Java 開發者。JDOM 宣稱其目標是「用 20% 的精力解決 80% 的 Java/XML 問題」。它本身不含解析器,通常使用 SAX2 解析器解析與驗證輸入文件,並以 Apache 授權條款發布為開放原始碼。
DOM4J 最初是 JDOM 的一個分支,但後來獨立發展,整合了許多進階功能,包括 XPath 支援、XML Schema 支援,以及針對大型或串流文件的event-driven處理,還提供 DOM4J API 與標準 DOM 介面的並行存取。
DOM4J 大量使用介面與抽象類別,並廣泛運用 Collections 類別,同時在關鍵處提供替代方法以提升效能。雖然 API 較複雜,卻換來比 JDOM 更大的靈活性。如今越來越多 Java 軟體採用 DOM4J 讀寫 XML,就連知名的 Hibernate 也用它來讀取設定檔,Sun 的 JAXM 亦復如此。
在效能測試中,JDOM 與 DOM 表現不佳,處理 10M 文件時甚至記憶體溢出;小文件情況下才值得考慮。DOM 仍是很好的選擇,它廣泛應用於多種語言,也是許多 XML 相關標準的基礎(因為正式獲得 W3C 推薦)。SAX 表現較好,這取決於其串流式的解析方式。
而無疑地,DOM4J 是目前最優秀的 Java XML API 之一,兼具效能、功能與易用性,且為開放原始碼。若不特別考慮可攜性,採用 DOM4J 會是相當明智的選擇。