1 XML文件解析的4种方法
通常解析XML文件有四种经典的方法。基本的解析方式有两种，一种叫SAX，另一种叫DOM。SAX是基于事件流的解析，DOM是基于XML文档树结构的解析。在此基础上，为了减少DOM、SAX的编码量，出现了JDOM，其优点是，20-80原则（帕累托法则），极大减少了代码量。通常情况下JDOM使用时满足要实现的功能简单，如解析、创建等要求。但在底层，JDOM还是使用SAX（最常用）、DOM、Xanan文档。另外一种是DOM4J，是一个非常非常优秀的Java XML API，具有性能优异、功能强大和极端易用的特点，同时它也是一个开放源代码的软件。如今你可以看到越来越多的 Java 软件都在使用 DOM4J 来读写 XML，特别值得一提的是连 Sun 的 JAXM 也在用 DOM4J。具体四种方法的使用，百度一下，会有众多详细的介绍。可以参考对以上技术的详细介绍，。
2 XPath简单介绍
XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航，并对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 同时被构建于 XPath 表达之上。因此，对 XPath 的理解是很多高级 XML 应用的基础。XPath非常类似对数据库操作的SQL语言，或者说JQuery，它可以方便开发者抓起文档中需要的东西。其中DOM4J也支持XPath的使用。XPath的具体使用教程可以参考。
3 DOM4J使用XPath
DOM4J使用XPath解析XML文档是，首先需要在项目中引用两个JAR包：
dom4j-1.6.1.jar：DOM4J软件包，下载地址；
jaxen-xx.xx.jar：通常不添加此包，会引发异常（java.lang.NoClassDefFoundError: org/jaxen/JaxenException），下载地址。
3.1 命名空间（namespace）的干扰
在处理由excel文件或其他格式文件转换的xml文件时，通常会遇到通过XPath解析得不到结果的情况。这种情况通常是由于命名空间的存在导致的。以下述内容的XML文件为例，通过XPath=" // Workbook/ Worksheet / Table / Row[1]/ Cell[1]/Data[1] "进行简单的检索，通常是没有结果出现的。这就是由于命名空间namespace（xmlns="urn:schemas-microsoft-com:office:spreadsheet"）导致的。
|
敲代码的耗子 | |
Sunny |
3.2 XPath对带有命名空间的xml文件解析
第一种方法（read1()函数）：使用XPath语法中自带的local-name() 和 namespace-uri() 指定你要使用的节点名和命名空间。 XPath表达式书写较为麻烦。
第二种方法（read2()函数）：设置XPath的命名空间，利用setNamespaceURIs()函数。
第三种方法（read3()函数）：设置DocumentFactory()的命名空间 ，使用的函数是setXPathNamespaceURIs()。二和三两种方法的XPath表达式书写相对简单。
第四种方法（read4()函数）：方法和第三种一样，但是XPath表达式不同（程序具体体现），主要是为了检验XPath表达式的不同，主要指完整程度，是否会对检索效率产生影响。
（以上四种方法均通过DOM4J结合XPath对XML文件进行解析）
第五种方法（read5()函数）：使用DOM结合XPath对XML文件进行解析，主要是为了检验性能差异。
没有什么能够比代码更能说明问题的了！果断上代码！
1 package XPath; 2 import java.io.IOException; 3 import java.io.InputStream; 4 import java.util.HashMap; 5 import java.util.List; 6 import java.util.Map; 7 8 import javax.xml.parsers.DocumentBuilder; 9 import javax.xml.parsers.DocumentBuilderFactory; 10 import javax.xml.parsers.ParserConfigurationException; 11 import javax.xml.xpath.XPathConstants; 12 import javax.xml.xpath.XPathExpression; 13 import javax.xml.xpath.XPathExpressionException; 14 import javax.xml.xpath.XPathFactory; 15 16 import org.dom4j.Document; 17 import org.dom4j.DocumentException; 18 import org.dom4j.Element; 19 import org.dom4j.XPath; 20 import org.dom4j.io.SAXReader; 21 import org.w3c.dom.NodeList; 22 import org.xml.sax.SAXException; 23 24 /** 25 * DOM4J DOM XML XPath 26 * @author hao 27 */ 28 public class TestDom4jXpath { 29 public static void main(String[] args) { 30 read1(); 31 read2(); 32 read3(); 33 read4();//read3（）方法一样，但是XPath表达式不同 34 read5(); 35 } 36 37 public static void read1() { 38 /* 39 * use local-name() and namespace-uri() in XPath 40 */ 41 try { 42 long startTime=System.currentTimeMillis(); 43 SAXReader reader = new SAXReader(); 44 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml"); 45 Document doc = reader.read(in); 46 /*String xpath ="//*[local-name()='Workbook' and namespace-uri()='urn:schemas-microsoft-com:office:spreadsheet']" 47 + "/*[local-name()='Worksheet']" 48 + "/*[local-name()='Table']" 49 + "/*[local-name()='Row'][4]" 50 + "/*[local-name()='Cell'][3]" 51 + "/*[local-name()='Data'][1]";*/ 52 String xpath ="//*[local-name()='Row'][4]/*[local-name()='Cell'][3]/*[local-name()='Data'][1]"; 53 System.err.println("=====use local-name() and namespace-uri() in XPath===="); 54 System.err.println("XPath：" + xpath); 55 @SuppressWarnings("unchecked") 56 List list = doc.selectNodes(xpath); 57 for(Object o:list){ 58 Element e = (Element) o; 59 String show=e.getStringValue(); 60 System.out.println("show = " + show); 61 long endTime=System.currentTimeMillis(); 62 System.out.println("程序运行时间： "+(endTime-startTime)+"ms"); 63 } 64 } catch (DocumentException e) { 65 e.printStackTrace(); 66 } 67 } 68 69 public static void read2() { 70 /* 71 * set xpath namespace(setNamespaceURIs) 72 */ 73 try { 74 long startTime=System.currentTimeMillis(); 75 Map map = new HashMap(); 76 map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet"); 77 SAXReader reader = new SAXReader(); 78 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml"); 79 Document doc = reader.read(in); 80 String xpath ="//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]"; 81 System.err.println("=====use setNamespaceURIs() to set xpath namespace===="); 82 System.err.println("XPath：" + xpath); 83 XPath x = doc.createXPath(xpath); 84 x.setNamespaceURIs(map); 85 @SuppressWarnings("unchecked") 86 List list = x.selectNodes(doc); 87 for(Object o:list){ 88 Element e = (Element) o; 89 String show=e.getStringValue(); 90 System.out.println("show = " + show); 91 long endTime=System.currentTimeMillis(); 92 System.out.println("程序运行时间： "+(endTime-startTime)+"ms"); 93 } 94 } catch (DocumentException e) { 95 e.printStackTrace(); 96 } 97 } 98 99 public static void read3() {100 /*101 * set DocumentFactory() namespace(setXPathNamespaceURIs)102 */103 try {104 long startTime=System.currentTimeMillis();105 Map map = new HashMap();106 map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");107 SAXReader reader = new SAXReader();108 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");109 reader.getDocumentFactory().setXPathNamespaceURIs(map);110 Document doc = reader.read(in);111 String xpath ="//Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";112 System.err.println("=====use setXPathNamespaceURIs() to set DocumentFactory() namespace====");113 System.err.println("XPath：" + xpath);114 @SuppressWarnings("unchecked")115 List list = doc.selectNodes(xpath);116 for(Object o:list){ 117 Element e = (Element) o; 118 String show=e.getStringValue();119 System.out.println("show = " + show);120 long endTime=System.currentTimeMillis();121 System.out.println("程序运行时间： "+(endTime-startTime)+"ms"); 122 } 123 } catch (DocumentException e) {124 e.printStackTrace();125 }126 }127 128 public static void read4() {129 /*130 * 同read3（）方法一样，但是XPath表达式不同131 */132 try {133 long startTime=System.currentTimeMillis();134 Map map = new HashMap();135 map.put("Workbook","urn:schemas-microsoft-com:office:spreadsheet");136 SAXReader reader = new SAXReader();137 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");138 reader.getDocumentFactory().setXPathNamespaceURIs(map);139 Document doc = reader.read(in);140 String xpath ="//Workbook:Worksheet/Workbook:Table/Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1]";141 System.err.println("=====use setXPathNamespaceURIs() to set DocumentFactory() namespace====");142 System.err.println("XPath：" + xpath);143 @SuppressWarnings("unchecked")144 List list = doc.selectNodes(xpath);145 for(Object o:list){ 146 Element e = (Element) o; 147 String show=e.getStringValue();148 System.out.println("show = " + show);149 long endTime=System.currentTimeMillis();150 System.out.println("程序运行时间： "+(endTime-startTime)+"ms"); 151 } 152 } catch (DocumentException e) {153 e.printStackTrace();154 }155 }156 157 public static void read5() {158 /*159 * DOM and XPath160 */161 try {162 long startTime=System.currentTimeMillis();163 DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();164 dbf.setNamespaceAware(false);165 DocumentBuilder builder = dbf.newDocumentBuilder();166 InputStream in = TestDom4jXpath.class.getClassLoader().getResourceAsStream("XPath\\XXX.xml");167 org.w3c.dom.Document doc = builder.parse(in);168 XPathFactory factory = XPathFactory.newInstance();169 javax.xml.xpath.XPath x = factory.newXPath();170 //选取所有class元素的name属性171 String xpath = "//Workbook/Worksheet/Table/Row[4]/Cell[3]/Data[1]";172 System.err.println("=====Dom XPath====");173 System.err.println("XPath：" + xpath);174 XPathExpression expr = x.compile(xpath);175 NodeList nodes = (NodeList)expr.evaluate(doc, XPathConstants.NODE);176 for(int i = 0; i
3.3 不同方法的性能比较
为了比较几种方法的解析性能，实验过程中使用了6M以上大小，7万行以上的XML文件（XXX.xml）进行10轮测试，如下所述：
图1 XPath使用性能对比
| 方法名称 | 平均运行时间 | XPath表达式 |
| read1() | 1663ms | //*[local-name()='Row'][4]/*[local-name()='Cell'][3]/*[local-name()='Data'][1] |
| read2() | 2184ms | //Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1] |
| read3() | 601ms | //Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1] |
| read4() | 472ms | //Workbook:Worksheet/Workbook:Table/Workbook:Row[4]/Workbook:Cell[3]/Workbook:Data[1] |
| read5() | 1094ms | //Workbook/Worksheet/Table/Row[4]/Cell[3]/Data[1] |
表1 平均性能统计
由以上性能对比可知：
1、read4()方法运行时间最短，即运用DOM4J方法调用全路径（从根节点出发）XPath表达式解析XML文件耗时最短；
2、运用DOM解析方法所使用的XPath表达式最为简单（可以写作//Row[4]/Cell[3]/Data[1]），因DOM中可以通过setNamespaceAware(false)方法使命名空间失效。