文檔模型

Java 中的可用文檔模型數(shù)一直在增加。對于本文，我已經(jīng)涵蓋了最常用的模型和幾項選擇，這演示了那些可能還未被廣泛了解或使用的特別令人感興趣的特性。隨著“XML 名稱空間”的重要性增加，我已經(jīng)包含了僅支持該功能的模型。下面列出了帶有簡要介紹和版本信息的模型。

僅為說明本文中所使用的術(shù)語：

• 解析器 是指解釋 XML 文本文檔結(jié)構(gòu)的程序
• 文檔表示 是指程序用于內(nèi)存中文檔的數(shù)據(jù)結(jié)構(gòu)
• 文檔模型 是指支持使用文檔表示的庫和 API

某些 XML 應(yīng)用程序根本不需要使用文檔模型。如果應(yīng)用程序可以通過文檔的一次遍歷搜集它需要的信息，則可能直接使用解析器。該方法可能需要增加一些工作量，但是它的性能總是優(yōu)于在內(nèi)存中構(gòu)建文檔表示。

1、DOM

DOM（“文檔對象模型”）是用與平臺和語言無關(guān)的方式表示 XML 文檔的官方 W3C 標(biāo)準(zhǔn)。對于任何 Java 特定的模型，它是很好的對照。為了值得與 DOM 標(biāo)準(zhǔn)分開，Java 特定模型應(yīng)該提供比 Java DOM 實現(xiàn)更優(yōu)越的性能和／或易用性的優(yōu)勢。

DOM 定義充分利用了 XML 文檔不同組件的接口和繼承性。這為開發(fā)者帶來了將公共接口用于幾個不同類型組件的優(yōu)勢，但是同時增加了 API 的復(fù)雜性。因為 DOM 是與語言無關(guān)的，所以接口不需要利用公共 Java 組件，例如，Collections 類。

本文涉及兩個 DOM 實現(xiàn)：Crimson 和 Xerces Java。Crimson 是基于 Sun Project X 解析器的 Apache 項目。它合并一個包含 DTD 支持的完整驗證解析器。可以通過 SAX2 接口訪問該解析器，并且 DOM 實現(xiàn)可以與其它 SAX2 解析器一起工作。Crimson 是在 Apache 許可證下發(fā)布的開放源碼。用于性能比較的版本是 Crimson 1.1.1（jar 文件大小是 0.2MB），它包含有用于從文本文件的 DOM 構(gòu)建的 SAX2 解析器。

另一個測試的 DOM 實現(xiàn)，即 Xerces Java 是另一個 Apache 項目。初始時，Xerces 基于 IBM Java 解析器（通常稱為 XML4J）。（當(dāng)前還處于早期 beta 測試版的重新開發(fā)的 Xerces Java 2 將最終繼承它。當(dāng)前版本有時稱為 Xerces Java 1。）如同使用 Crimson 一樣，可以通過 SAX2 接口和 DOM 來訪問 Xerces 解析器。然而，Xerces 不提供將 Xerces DOM 與不同的 SAX2 解析器一起使用的任何方法。Xerces Java 包含對 DTD 和 XML Schema 的驗證支持（僅帶有對 Schema 支持的最小限制）。

Xerces Java 還支持 DOM 的延遲節(jié)點擴(kuò)展方式（請參考本文中的 延遲 Xerces或 Xerces def.），其中文檔組件初始時是以壓縮格式表示的，僅當(dāng)使用時才將它擴(kuò)展成完整的 DOM 表示。這種方式的用意是允許更快的解析并降低內(nèi)存的使用，尤其對于那些可能僅使用部分輸入文檔的應(yīng)用程序。與 Crimson 類似，Xerces 是在 Apache 許可證下發(fā)布的開放源碼。用于性能比較的版本是 Xerces 1.4.2（jar 文件大小是 1.8MB）。

2、JDOM

JDOM 的目的是成為 Java 特定文檔模型，它簡化與 XML 的交互并且比使用 DOM 實現(xiàn)更快。由于是第一個 Java 特定模型，JDOM 一直得到大力推廣和促進(jìn)。正在考慮通過“Java 規(guī)范請求 JSR-102”將它最終用作“Java 標(biāo)準(zhǔn)擴(kuò)展”。雖然實際將采用的格式仍在開發(fā)中，還是對兩個 beta 測試版的 JDOM API 做了很大的更改，。從 2000 年初就已經(jīng)開始了 JDOM 開發(fā)。

JDOM 與 DOM 主要有兩方面不同。首先，JDOM 僅使用具體類而不使用接口。這在某些方面簡化了 API，但是也限制了靈活性。第二，API 大量使用了 Collections 類，簡化了那些已經(jīng)熟悉這些類的 Java 開發(fā)者的使用。

JDOM 文檔聲明其目的是“使用 20%（或更少）的精力解決 80%（或更多）Java/XML 問題”（根據(jù)學(xué)習(xí)曲線假定為 20%）。JDOM 對于大多數(shù) Java/XML 應(yīng)用程序來說當(dāng)然是有用的，并且大多數(shù)開發(fā)者發(fā)現(xiàn) API 比 DOM 容易理解得多。JDOM 還包括對程序行為的相當(dāng)廣泛檢查以防止用戶做任何在 XML 中無意義的事。然而，它仍需要您充分理解 XML 以便做一些超出基本的工作（或者甚至理解某些情況下的錯誤）。這也許是比學(xué)習(xí) DOM 或 JDOM 接口都更有意義的工作。

JDOM 自身不包含解析器。它通常使用 SAX2 解析器來解析和驗證輸入 XML 文檔（盡管它還可以將以前構(gòu)造的 DOM 表示作為輸入）。它包含一些轉(zhuǎn)換器以將 JDOM 表示輸出成 SAX2 事件流、DOM 模型或 XML 文本文檔。JDOM 是在 Apache 許可證變體下發(fā)布的開放源碼。用于性能比較的版本是 JDOM Beta 0.7（jar 文件大小是 0.1MB）它帶有用于從文本文件構(gòu)建 JDOM 表示的 Crimson SAX2 解析器。

3、dom4j

雖然 dom4j 代表了完全獨立的開發(fā)結(jié)果，但最初，它是 JDOM 的一種智能分支。它合并了許多超出基本 XML 文檔表示的功能，包括集成的 XPath 支持、XML Schema 支持（當(dāng)前為 alpha 格式）以及用于大文檔或流化文檔的基于事件的處理。它還提供了構(gòu)建文檔表示的選項，它通過 dom4j API 和標(biāo)準(zhǔn) DOM 接口具有并行訪問功能。從 2000 下半年開始，它就一直處于開發(fā)之中，保留了最近發(fā)行版之間的現(xiàn)有 API。

為支持所有這些功能，dom4j 使用接口和抽象基本類方法。dom4j 大量使用了 API 中的 Collections 類，但是在許多情況下，它還提供一些替代方法以允許更好的性能或更直接的編碼方法。直接好處是，雖然 dom4j 付出了更復(fù)雜的 API 的代價，但是它提供了比 JDOM 大得多的靈活性。

在添加靈活性、XPath 集成和對大文檔處理的目標(biāo)時，dom4j 的目標(biāo)與 JDOM 是一樣的：針對 Java 開發(fā)者的易用性和直觀操作。它還致力于成為比 JDOM 更完整的解決方案，實現(xiàn)在本質(zhì)上處理所有 Java/XML 問題的目標(biāo)。在完成該目標(biāo)時，它比 JDOM 更少強(qiáng)調(diào)防止不正確的應(yīng)用程序行為。

dom4j 使用相同方法作為 JDOM 輸出，這依靠 SAX2 解析器輸入處理，依靠轉(zhuǎn)換器將輸出處理成 SAX2 事件流、DOM 模型或 XML 文本文檔。dom4j 是在 BSD 樣式許可證下發(fā)布的開放源碼，該許可證本質(zhì)上等價于 Apache 樣式許可證。用于性能比較的版本是 dom4j 0.9（jar 文件大小是 0.4MB），帶有用于從文本文件構(gòu)建表示的受綁定 AElfred SAX2 解析器（由于 SAX2 選項設(shè)置，測試文件之一無法由 dom4j 使用用于 JDOM 測試的同一 Crimson SAX2 解析器來處理）。

4、Electric XML

Electric XML（EXML）是支持分布式計算的商業(yè)項目的附屬產(chǎn)物。它與目前為止討論的其它模型的不同之處在于，它只能適當(dāng)?shù)刂С?XML 文檔的子集，它沒有為驗證提供任何支持并且有更嚴(yán)格的許可證。然而，EXML 的優(yōu)勢是大小很小并提供了對 XPath 子集的直接支持，因為在最近幾篇文章中已經(jīng)將它提升其它模型的替代模型，所以通過該比較使它成為一個引人注意的候選。

雖然 EXML 通過使用抽象的基本類方法取得了某些相同效果，但它在避免使用接口方面使用與 JDOM 類似的方法（主要區(qū)別是接口為擴(kuò)展實現(xiàn)提供了更大的靈活性）。它與 JDOM 的不同之處還在于避免使用 Collections 類。該組合為其提供了非常簡單的 API，在許多方面類似于帶有附加 XPath 操作的 DOM API 簡化版本。

僅當(dāng)空白與非空白文本內(nèi)容鄰近時，EXML 才在文檔中保留空白，這就將 EXML 限制成 XML 文檔的一個子集。標(biāo)準(zhǔn) XML 需要在讀取文檔時保留該空白，除非對文檔 DTD 可以確認(rèn)有無空白無關(guān)緊要。對于事先已經(jīng)知道空白無關(guān)緊要的許多 XML 應(yīng)用程序來說，EXML 方法工作得很好，但是它防止對于期望保留空白的文檔（例如，生成由瀏覽器顯示或查看的文檔的應(yīng)用程序）使用 EXML。

這種空白的刪除會對性能比較產(chǎn)生誤導(dǎo)效果 ― 許多類型的測試范圍與文檔中的組件個數(shù)成比例，并且由 EXML 刪除的每個空白序列都是其它模型中的組件。EXML 包含在本文顯示的結(jié)果中，但是解釋性能差異時請記住這種影響。

EXML 使用集成的解析器依據(jù)文本文檔構(gòu)建文檔表示。除了通過文本方式外，它不提供從 DOM（或 SAX2）轉(zhuǎn)換或轉(zhuǎn)換成 SAX2（或 DOM）事件流的任何方式。EXML 是由 Mind Electric 在禁止將它嵌入某些類型的應(yīng)用程序或庫的受限許可證下發(fā)布的開放源碼。用于性能比較的版本是 Electric XML 2.2（jar 文件大小是 0.05MB）。

5、XML Pull Parser

XML Pull Parser (XPP）是最近開發(fā)的，它演示了 XML 解析的不同方法。與 EXML 一樣，XPP 只能適當(dāng)支持 XML 文檔的子集并且不提供驗證的任何支持。它同樣具有尺寸小的優(yōu)勢。這種優(yōu)勢再與拉回解析器方法結(jié)合，使它成為該比較中的良好替換項。

XPP 幾乎獨占地使用接口，但是它僅使用所有類中的一小部分。和 EXML 一樣，XPP 避免使用 API 中的 Collections 類。總的來說，它是本文中最簡單的文檔模型 API。

將 XPP 限制成 XML 文檔子集的局限性是它不支持文檔中的實體、注釋或處理指示信息。XPP 創(chuàng)建僅包含元素、屬性（包括“名稱空間”）和內(nèi)容文本的文檔結(jié)構(gòu)。這對于某些類型的應(yīng)用程序來說是一種非常嚴(yán)格的限制。但是通常它對性能的影響比 EXML 空白處理對性能的影響小。在本文中我僅使用了一個與 XPP 不兼容的測試文件，并且在帶有注釋的圖表中顯示了 XPP 結(jié)果，該注釋不包含該文件。

XPP 中的拉回解析器支持（本文中稱為 XPP 拉回）通過將解析實際上推遲到訪問文檔的一個組件時才進(jìn)行，然后按照構(gòu)造那個組件的需要對文檔進(jìn)行解析。該技術(shù)想實現(xiàn)允許非常快速的文檔顯示或分類應(yīng)用，尤其在需要轉(zhuǎn)發(fā)或除去（而不是對文檔進(jìn)行完全解析和處理）文檔時。該方法的使用是可選的，如果以非拉回型方式使用 XPP，它對整個文檔進(jìn)行解析并且同時地構(gòu)建完整的表示。

與 EXML 一樣，XPP 使用依據(jù)文本文檔構(gòu)建文檔表示的集成語法解析器，并且除了通過文本方式外，它不提供從 DOM（或 SAX2）轉(zhuǎn)換或轉(zhuǎn)換成 SAX2（或 DOM）事件流的任何方式。XPP 是具有 Apache 樣式許可證的開放源代碼。用于性能比較的版本是 PullParser 2.0.1 Beta 8（jar 文件大小是 0.04MB）。

結(jié)束語

不同的 Java XML 文檔模型各有所長，但是從性能觀點來看，有些模型具有明顯的優(yōu)勢。

在大多數(shù)方面，XPP 性能處于領(lǐng)先地位。盡管 XPP 是一種新模型，但是對于不需要驗證、實體、處理指示信息或注釋的中間件類型應(yīng)用程序來說，它是非常好的選擇。它尤其適用于作為瀏覽器小應(yīng)用程序或在內(nèi)存受限的環(huán)境下運行的應(yīng)用程序。

雖然 dom4j 沒有與 XPP 同等的速度，但是，它確實提供了具備更標(biāo)準(zhǔn)化的優(yōu)越性能和功能更全的實現(xiàn)，包括對 SAX2、DOM 甚至 XPath 的內(nèi)置支持。雖然 Xerces DOM（帶有延遲的節(jié)點創(chuàng)建）對于小文件和 Java 序列化性能不佳，但是在大多數(shù)評測時仍然出色。對于常規(guī) XML 處理，dom4j 和 Xerces DOM 都是很好的選擇，對它們的選擇取決于您認(rèn)為是特定于 Java 的特性更重要還是跨語言的兼容性更重要。

JDOM 和 Crimson DOM 在性能測試時一直表現(xiàn)不佳。在小文檔情況下還值得考慮使用 Crimson DOM，而 Xerces 表現(xiàn)很差。雖然 JDOM 的開發(fā)者已經(jīng)說明他們期望在正式發(fā)行版前專注性能問題，但是從性能觀點來看，它確實沒有值得推薦之處。然而，如果不進(jìn)行 API 的重新構(gòu)建，JDOM 可能難以達(dá)到與其它模型匹配的性能。

EXML 非常小（以 jar 文件大小為單位）并且在一些性能測試中表現(xiàn)良好。雖然 EXML 具有刪除單獨空白內(nèi)容的優(yōu)勢，但是在性能方面不如 XPP。除非您需要 EXML 支持而 XPP 缺少的一種特性，否則在內(nèi)存受限的環(huán)境下，XPP 可能是更好的選擇。

雖然 dom4j 性能最好，但是，當(dāng)前沒有一種模型能為 Java 序列化提供良好性能。如果需要在程序之間傳遞文檔，通常的最佳選擇是將文檔寫成文本然后進(jìn)行解析以重新構(gòu)建表示。將來，定制序列化格式可能提供一個更好的選擇。