DOM和SAX比较和选择

当解析一个XML时我们有很多选择方案，如SAX、DOM、JDOM、JAXP、数据绑定等等，必须根据实际情况来选择一个或几个。在此仅谈论SAX和DOM，可以从以上四点考虑，选择合适的解析器。
 
1. SAX提供的模型不允许对XML文件随机存取
如：当前解析到第3个Element，此时程序无法得到第5个Element的信息，因为还没有解析到第5个Element；同样也无法得到第1个 Element的信息，因为已经丢失了。当然可以通过声明变量保存解析过的数据，但这如同手动在内存中构造了某种数据结构，一般都是树型结构，这相当麻烦且没有必要，因为DOM恰恰提供了这样一个内存中的模型。
 
2.SAX模型中元素之间的横向移动困难
SAX提供的是层次型的解析，便利所有第1个Element的子节点（一直到叶子节点）后，才可能开始解析下一个兄弟Element。而且很难知道某一时刻，解析到了哪个层次节点了。DOM则可以很好的解决这个问题，可以方便的找到任何兄弟节点。
 
3.SAX是熊瞎子劈苞米
SAX是解析一个节点后回调一个方法，把该节点相关信息传送个调用者，然后丢弃这些信息，继续解析下一个节点。正是这样一个机制，使得SAX占用内存很少，它不会预存储整个XML文档，也不会在解析后保存任何解析结果。而DOM则正好相反，把整个XML加载进内存中，即使是延迟加载策略，也会浪费额外的性能为代价。所以当XML非常庞大的时候，还是需要首选SAX。
 
4.SAX的修改XML能力差
尽管SAX2.0提供了XMLWriter，但是大量的修改XML，还是不建议采用它来完成。XMLWriter更适合记录解析过程的日志。而DOM则具有强大的修改模型的能力，进而保存更新后的XML。

下面分别详细介绍DOM和SAX：

XML的DOM解析器
DOM（Document Object Model）是W3C指定的，它不是专门为Java或其他语言而制定的，所以有些地方不大符合Java的风格，如使用NodeList和NameNodeMap而没有使用Java的集合框架类。
DOM把XML在内存中生成一个树结构，了解其结构也就基本了解了DOM。基本结构的主要接口为：
Node <- Document
     <- DocumentType
     <- Element
     <- Entity
     <- CharacterData <- Comment
                      <- Text <- CDATA
所有接口都是扩展Node的，也就是说树中的任何东西都是Node，所以Node是很重要的接口。通过Node的getNodeType()和getNodeValue()分别可以得到节点的类型和节点的值。
 
节点类型有：
    Node.DOCUMENT_NODE
    Node.ELEMENT_NODE
    Node.TEXT_NODE
    Node.CDATA_SECTION_NODE
    Node.PROCESSING_INSTRUCTION_NODE
    Node.ENTITY_REFERENCE_NODE
    Node.DOCUMENT_TYPE_NODE
可以通过以下方式判断
switch(node.getNodeType()){
    case Node.Document_NODE:
    //...
    case Node.ELEMENT_NODE:
    //...
}
 
开始解析：
URI xmlUri=new URI("xml file address");
DOMParser parser = new DOMParser();
parser.parse(xmlUri);
Document doc = parser.getDocument();
不同的解析器的构造方式不同，有的解析器会直接返回Document对象，如下：
Document doc = parser.parse(xmlUri);
Element rootElement = doc.getDocumentElement();
NodeList childrenNodes=rootElement.getChildNodes();
依次类推就可以遍历所有节点，分别处理每个节点即可。值得注意的是文本也是一个节点Text，但是属性则不是一个节点，可以通过Elemenet.getAttributes()获得。其他的也没什么了，参考一下DOM的JavaDoc就OK了。
 
------值得注意的细节------
1.性能与内存
    DOM解析器会把所有的XML文档全部加载到内存中，如果XML文件非常庞大，那么这样的解析器会耗尽内存，导致内存益处异常；当前，很多解析器已经采用了延迟加载设计模式（类似于Hibernate的lazy策略），即只有当具体用刀某个节点数据的时候再去加载该节点，不用的就不加载，这种策略节省了内存的浪费，但是对性能有一定影响。这是有得必有失，需要根据实际情况而定采用什么策略。
 
2.Node的属性
    因为所有节点都是继承Node的，所以任何节点都可以调用getNodeType(),getNodeValue(),getNodeName()之类的方法，但是并不是这些方法对任何节点都有效，比如说对于Element来说，getNodeValue()就无效，因为Element下的文本是Text 类表示的，而不是一个String。
 
3.SAXException
当使用DOM解析器时，如果出现了SAXException，不用惊讶。

XML的SAX解析器
SAX解析器是通过回调的方式来执行XML的解析工作的。对于基本的解析操作还是比较简单的，就是实现SAX2.0定义的四个核心接口，并注册进解析器即可。具体的操作都在四个接口中的回调方法中。所谓回调，我理解它与.Net中的事件类似。
 
这四个核心接口是为：
org.xml.sax.ContentHander
org.xml.sax.ErrorHandler
org.xml.sax.DTDHandler
org.xml.sax.EntityResolver
对应的注册进解析器的方法分别是
parser.setContentHandler(ContentHander handler)
parser.setErrorHandler(ErrorHandler handler)
parser.setDTDHandler(DTDHandler handler)
parser.setEntityResolver(EntityResolver handler)
 
分别看一下这几个核心接口中的回调方法：
1. ContentHandler
//除setDocumentLocator()外，其他回调方法均抛出SAXException。
public interface ContentHandler{
/*Locator中有用方法如getLineNumber(),getColumnNumber()等，所以可以考虑把locator作为ContentHandler实现类的实例变量，然后传播到其他回调方法。*/
    public void setDocumentLocator(Locator locator);
/*startDocument()是开始解析后第一个被调用的方法，endDocument()是最后一个。回调方法没有参数可以使用。*/
    public void startDocument();
    public void endDocument();
/*当解析器到达前缀影射的开头和结尾时，分别回调这两个方法。如ora:copyright,其中ora为前缀(prefix), 整个ora:copyright为URI*/
    public void startPrefixMapping(String prefix, String uri);
    public void endPrefexMapping(String prefix);
/*当解析器到达一个Element和结束时，分别回调这两个方法。关于参数：namespaceURI,localName,qName表示Element名字的各个部分，atts表示该Element的所有属性的引用。*/
    public void startElement(String namespaceURI,
               String localName, String qName, Attribute atts);
    public void endElement(String namespaceURI,                String localName, String qName);
/*对于<Book>XML Instroduction<Book>,当解析器解析完文本内容后，回调此方法。一般来说我们可以通过三个参数构造一个String对象来使用。如：
String text= new String(ch,start,length)*/
    public void characters(char ch[], int start, int length);
/*忽略空白后回调此方法*/
    public void ignorableWhitespace(char ch[],
               int start, int length);
/*处理指令*/
    public void processingInstruction(String target,String data);
/*一般不会用到，因为大部分解析器是不会跳过实体的。暂且不用管它*/
    pubilc void skippedEntity(String name);
}
 
2. ErrorHandler
/*故名思义，解析过程中分别是出现警告，错误，致命错误时，回调这三个方法。SAXParserException中包含错误信息和行号。*/
public interface ErrorHandler{
    public void warning(SAXParseException ex) throw SAXException;
    public void error(SAXParseException ex) throw SAXException;
    public void fatalError(SAXParseException ex) throw SAXException;
}
 
3. DTDHandler
基本用不上，不做详细讨论了。
public interface DTDHandler{
    public void notationDecl(String name, String publicID,
                      String systemID) throw SAXException;
    pulic void unparserdEntityDecl(String name, String publicID,
                      String systemID, String notationName)
                      throw SAXException
}
 
4. EntityResolver
用于解析实体的，只有一个回调方法。
public interface EntityResolver{
/*如果返回值是null，解析的执行过程就不会改变。否则将开始执行返回的被引用的内容XML。*/
    public InputSource resolveEntity(String publicID,
                      String systemID) throw SAXException
}
 
解析编码例子：
String parserClass = "org.apache.xerces.parsers.SAXParser";
//如果采用的不是Xerces解析器，只需要更改“parserClass”的值即可。
XMLReader reader=XMLReaderFactory.createXMLReader(parserClass);
//注册ContentHandler
reader.setContentHander(new ContentHandlerImpl());
//注册ErrorHandler
reader.setErrorHandler(new ErrorHandlerImpl());
//注册DTDHandler
 
//注册EntityResolver
 
//开始解析XML
URI xmlURI = new URI("xml file address");
InputSource src = new InputSource(xmlURI);
reader.parser(src);
 
---------几个需要注意的地方---------
1.解析器不支持SAX2.0怎么办？
采用ParserAdapter辅助类来使SAX1.0解析器像SAX2.0那样工作，唯一缺憾就是不能报告那些被忽略的实体，对大多数应用来说这也不所谓。
String parserClass = "org.apache.xerces.parsers.SAXParser";
Parser parser=ParserFactory.makeParser(parserClass);
ParserAdpter myParser=new ParserAdpter(parser);
myParser.setContentHandler(new ContentHandlerImpl());
myParser.setErrorHandler(new ErrorHanlderImpl());
myParser.parser(xmlUri); 
 
2.XMLReader不能同时解析多个XML
一旦XMLReader开始解析一个XML，在解析过程中如果试图再使用阅读器，就会得到SAXException，如果需要同时解析多个XML，只能顺序一个一个解析。或者声明多个XMLReader实例。
 
3.characters()中的注意
public void characters(char[] ch, int start, int length){
     //容易出现Bug的使用方法
     for(int i=0; i<ch.length; i++){
         System.out.pringln(ch)
     }
     //不会出现问题的使用方法
     String str= new String(ch,start,length);
}



 原文地址 http://blog.sina.com.cn/u/3d7bed65010004wr