SAX 解析器可以在 Java 中使用 XPath 吗？答案

【问题标题】：Can SAX Parsers use XPath in Java?SAX 解析器可以在 Java 中使用 XPath 吗？
【发布时间】：2012-02-06 04:12:48
【问题描述】：

我正在尝试将我的一个使用DOM 解析和大量XPath 表达式的类迁移到SAX 解析。 DOM 解析对我来说很好，但是我尝试解析的一些文件太大了，它们会导致服务器超时。我想通过SAX 解析重用XPath，但我不确定这是否可能，如果不可能，请您帮助我，因为我不知道当我只使用@987654328 时以下代码将如何@：

Document doc = bpsXml.getDocument();
String supplierName = BPSXMLUtils.getXpathString(doc, "/Invoice/InvoiceHeader/Party[@stdValue='SU']/Name/Name1");
String language = BPSXMLUtils.getXpathString(doc, "/Invoice/InvoiceHeader/InvoiceLanguage/@stdValue");

【问题讨论】：

等等，你为什么要从带有 XPath 的 DOM 切换到 SAX？如果是因为您从 Web 获取文件而服务器发送文件的时间过长，请更改获取文件的方式，而不是解析文件的方式。
还有这个related SO post。一些答案提到了可用于此目的的工具和 API。

标签： java xml dom xpath sax

【解决方案1】：

仅使用 SAX 解析器不会在内存中构建 XML 树的表示（这就是 SAX 更节省内存的原因）。它只会在遇到新的 XML 元素时触发“事件”。您必须将上下文（通常是一堆父元素）保存在内存中，以“知道”您在树中的位置。

由于内存中没有树，因此无法使用 XPath。您只能测试当前的“上下文”（您的手动管理堆栈）来查询您的文档。请记住，SAX 解析器只会对您的文件执行一次运行，因此文件中的顺序很重要。

幸运的是，还有其他方法，例如VTD-XML，这是一个在内存中构建 XML 树的库，但只是结构部分，它不会从文件中提取实际内容，根据需要提取内容。它比 DOM 解析器的内存效率高得多，同时仍然允许 XPath。我个人在工作中使用这个库来解析大约 700MB 的 XPath XML 文件（是的，这很疯狂，但它可以工作而且速度非常快。）

【讨论】：

这是一个非常好的主意，但是当您拥有由大量 XML 元素和短数据组成的大文件 (2+ GB) 时，它就不能很好地工作。在实践中，您会减少 50/60 % 的所需内存。这很好，但当您有非常大的文件时还不够。而如今数据的增长速度越来越快……
这些年来，我确实使用 VTD-XML 解析了 2GB+ 的文件。它做得很好，内存根本不是问题。您是否尝试过并且体验不佳？你能分享更多信息吗？
你为解析程序分配了多少内存（-Xmx）？
我的大部分解析都使用默认的 Xmx (64 MB)，但有时为了安全起见，我不得不将其推高到 1GB（从内存中，我不再处理这些主题）。

【解决方案2】：

恕我直言，处理 XML 的最简单方法是使用 StAX，即 XML 的 Streaming API。它结合了 DOM 和 SAX 的优点（并为您提供了更轻松的迁移）。您仍然拥有指向 XML 元素的光标（如在 SAX 中），但您的代码将光标向前移动。这带来了极大的优势，即 XML 处理代码变得更具可读性。它还解决了内存问题，因为只有当前的 XML 元素必须保存在内存中。这也是一个不错的tutorial。

还要回答您最初的问题：在 Google 上进行的简短搜索向我表明，没有简单、被广泛接受的方法，这可能意味着所有自定义解决方案都不可靠、未维护且未经过良好测试。

【讨论】：

【解决方案3】：

切换到 SAX 解析（或 StAX）需要彻底改变您的方法。看起来你好像还没有完全意识到它会做多少工作。为了使任何建议有意义，我们需要知道文件有多大，以及您想对数据进行什么样的处理。例如，如果您正在过滤数据，那么使用文档投影的 XQuery 实现可能是一个很好的答案（这将在幕后自动使用 SAX 来构建一个仅包含您实际感兴趣的数据子集的树） .

【讨论】：