java - JAXB重复解析小xml文档

Question

我有一些巨大的日志文件，其中每一行都是一个完整的 xml 文档。我需要读取每一行，解析 xml，并对每个文档执行一些操作。

目前我正在做这样的事情:

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
BufferedReader rdr = new BufferedReader(new FileReader("mylogfile.xml");
String line = rdr.readLine();
int numLines = 1;
while (line != null) {
    InputSource is = new InputSource(new StringReader(xml));
    Document doc = builder.parse(is);
    // do something with the parsed xml
    line = rdr.readLine();
}

读取和处理速度约为每秒 28K 行。不错，但我认为还可以更好。我只对某些特定标签感兴趣，但确实需要知道 xml 是否包含其他嵌套标签或者它是否是无效的 xml。我尝试了正则表达式解析器，但文档可能包含一些不值得重新实现 xml 解析器的 CDATA。

使用该方法可以带来哪些性能提升？如果只增加50%，可能不值得，但2、3倍肯定是值得的。

我更喜欢使用标准 Java 库。

Answer 1

由于您只对特定标签感兴趣，我建议使用 StAX解析器。它似乎可以满足您所需的一切。

可能会比你当前的方法性能更高，因为它不会在内存中创建 DOM 树(你现在似乎正在这样做)。同时，StAX 是比 SAX 更容易的 API(拉式与推式解析)。

虽然我是 JAXB 的忠实粉丝，但我不会推荐它来完成您的任务。您只对某些且可能非常有限的标记集感兴趣，实际上并不需要将 XML 映射到 Java 结构。 JAXB 也可以与 StAX 一起使用，但它会增加一定的反射开销。您还需要筛选出您感兴趣的元素，这在组合 StAX 和 JAXB 时并不容易。 (否则您将解码整个 XML，这是开销)。

另请查看Digester但是我不太确定性能。