新兴XML处理方法VTD-XML介绍

来源:互联网 时间:2008-09-04 14:42:00 

序言

本文所提及的VTD-XML并非本文作者原创,作者只是对它进行介绍。

问题

通常当我们提起XML的使用时,最头痛的部分便是XML的verbosity与XML的解析速度,当需要处理大XML文件时这个问题便变得格外严重。我在这里提及的,便是如何优化XML处理速度的话题。

当我们选择处理XML文件的时候,我们大致上有两种选择:

DOM,这是W3C的标准模型,它将XML的结构信息以树形的方式构建,提供了遍历这颗树的接口与方法。
SAX,一种低级的parser,逐元素的向前只读处理,不含有结构信息。
以上两种选择都各有利弊,但是都不是特别好的解决方案,它们的优缺点如下:

DOM

优点:易用性强,因为所有的XML结构信息都存在于内存中,并且遍历简单,支持XPath。

缺点:Parsing速度太慢,内存占用过高(原文件的5x~10x),对于大文件来说几乎不可能使用。

SAX

优点:Parsing速度快,内存占用不与XML的大小相联系(可以做到XML涨内存不涨)。

缺点:易用性差,因为没有结构信息,并且无法遍历,不支持XPath。如果需要结构的话只能读一点构造一点,这样的可维护性特别的差。
我们可以看出,基本上DOM与SAX是正好相反的两个极端,但是任何一个都不能很好的满足我们的大部分要求,我们需要找出另外一种处理方法来。注意XML的效率问题并不是XML本身的问题,而是处理XML的Parser的问题,就像我们在上面看到的两种方法有不同的效率权衡一样。

思考

我们很喜欢类似DOM的使用方法,因为我们可以遍历,这意味着可以支持XPath,大大增强了易用性,但是DOM的效率很低。就像我们已经知道,效率问题出在处理机制上。那么,DOM到底有哪些方面影响了它的效率呢?下面让我们来做一个全面的解剖:

在当今大多数基于虚拟机(托管,或任何类似机制)技术的平台下,对象的创建销毁是一个耗时的作业(这里值得主要是Garbage Collection的耗时),DOM机制中所运用的大量的对象创建销毁无疑是影响其效率的原因之一(会引发过多的Garbage Collection)。

每个对象都会额外有32bits用来存储它的内存地址,当像DOM一样拥有大量对象的时候这个额外开支也是不小的。

引起以上两个问题的最主要的效率问题在于,DOM与SAX都是extractive parsing模式,这种解析模式注定了DOM与SAX都需要大量的创建(销毁)对象,引起效率问题。所谓的extractive parsing就是说在解析XML时,DOM或SAX会提取一部分原文件(一般来说是一个字符串),然后在内存中进行解析构建(输出自然就是一个或一些对象了)。拿DOM这个例子来说,DOM会将每一个element, attribute, processing-instruction, comment等等都解析成对象并给与结构,这就是所谓的extractive parsing。

由extractive的问题带来的另一个问题便是更新效率,在DOM中(SAX因为不支持更新所以根本不提它),每一次需要做改动时,我们要做的就是将对象的信息再解析回XML的字符串,注意这个解析是个完整的解析,也就是说,原文件并没有被利用,而是直接将DOM模型重新完整解析成XML字符串。换句话讲,也就是DOM并不支持Incremental Update(增量更新)。

另一个很可能不被注意到的“小”问题便是XML的编码,无论是何种解析方法都需要能够处理XML的编码,也就是说,在读取的时候解码,在写入的时候编码。DOM的另一个效率问题便是当我对于一个大XML只想做很小的一块儿修改的时候它也必须首先将整个文件进行解码,然后构建结构。无形中又是一个开销。

让我们来总结一下问题,简单的讲DOM的效率问题主要出在它的extractive parsing模式上(SAX也是一样,有同样的问题),由此引发了一系列相关问题,如果可以击破这些效率瓶颈的话那么可以想象XML的处理效率将进一步的得到提高。如果XML的易用性与处理效率得到飞跃性的提高的话,那么XML的应用范围,应用模式将得到更一步的升华,或许由此可以产生出许许多多精彩的以前连想都没有想过的基于XML的产品来。

标签:
0
投稿

猜你喜欢

  • 使用Python抓取模板之家的CSS模板

    2022-04-09 18:35:52
  • 详解Python装饰器的四种定义形式

    2022-06-20 13:35:04
  • 基于django 的orm中非主键自增的实现方式

    2023-06-04 13:53:54
  • 对Django的restful用法详解(自带的增删改查)

    2023-11-12 07:45:04
  • 你是一个职业的页面重构工作者吗?

    2008-09-29 12:07:00
  • 基于Python实现智能停车场车牌识别计费系统

    2021-05-23 07:44:22
  • 微信小程序仿朋友圈发布动态功能

    2024-04-17 10:01:01
  • python装饰器使用实例详解

    2021-09-30 15:26:50
  • go-cqhttp环境配置及安装过程

    2024-04-26 17:30:46
  • MySQL 表数据的导入导出操作示例

    2024-01-18 17:20:19
  • JS删除数组里的某个元素方法

    2023-07-14 22:45:47
  • MySQL如何设置某个字段的值自增

    2024-01-27 09:49:09
  • SQL Server 2005常见问题浅析

    2009-03-16 14:06:00
  • 使用python Django做网页

    2023-11-22 03:35:26
  • pytorch中的weight-initilzation用法

    2022-03-22 23:28:24
  • 使用Django和Postgres进行全文搜索的实例代码

    2022-07-06 10:52:15
  • uniapp实现人脸识别功能的具体实现代码

    2024-04-17 09:57:36
  • pycharm sciview的图片另存为操作

    2022-09-26 08:03:07
  • SQLServer触发器调用JavaWeb接口的过程详解

    2024-01-17 12:08:45
  • python3.4爬虫demo

    2023-10-24 21:46:24
  • asp之家 网络编程 m.aspxhome.com