1. DOM 解析基础
1.1 DOM 的工作原理
对于后端开发者而言，DOM（文档对象模型）将 XML 文档完整地加载到内存中，构建一棵树状结构，使得可以通过节点路径进行任意深度的访问和修改。这种“整文档进入内存”的特性，带来简单直观的编程模型，但也会带来显著的内存占用。在处理较小的 XML 文档时，DOM 的易用性尤为突出，不过遇到大文件则需要谨慎评估内存压力。
在 Java 中，DOM 解析通常基于 JAXP（Java API for XML Processing）实现，遵循统一的接口规范，便于跨厂商切换实现。理解框架的配置点，如 DocumentBuilderFactory，是使用 DOM 的第一步。
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.NodeList;
import org.w3c.dom.Element;
import java.io.File;public class DomExample {public static void main(String[] args) throws Exception {DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();DocumentBuilder db = dbf.newDocumentBuilder();Document doc = db.parse(new File("data.xml"));doc.getDocumentElement().normalize();NodeList items = doc.getElementsByTagName("item");for (int i = 0; i < items.getLength(); i++) {Element e = (Element) items.item(i);String name = e.getElementsByTagName("name").item(0).getTextContent();System.out.println(name);}}
}
1.2 DOM 的常用 API
在 DOM 解析中，常见的核心对象包括 Document、Element、NodeList，以及用于提取文本的 getTextContent()。掌握这些 API，可以快速实现对 XML 结构的遍历和数据提取。Document 对象是根节点，Element 表示标签，NodeList 提供批量访问，这是 DOM 的基础组合。
使用 DOM 的开发流程通常包括：解析、规范化、遍历树结构、提取字段，以及在必要时对文档进行修改并输出新的 XML。对于测试和演示，先搭建一个简单的 data.xml 文件，便于观察 DOM 反向映射到对象模型的过程。
2. SAX 解析基础
2.1 SAX 的工作原理
SAX（Simple API for XML）采用<事件驱动模式，在解析过程中逐步触发回调，由应用程序对事件进行处理。它不会把整个文档加载到内存中，因此对大文件更友好，但编程模型需要你自己维护状态和文本拼接，逻辑相对复杂。
在后端应用中，SAX 常用于需要快速提取数据而不关心文档结构全貌的场景，例如提取特定节点的值或流式数据处理。事件回调的顺序与文档结构密切相关，理解 startElement、endElement、characters 等回调是关键。
import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
import java.io.File;public class SaxExample {public static void main(String[] args) throws Exception {SAXParserFactory factory = SAXParserFactory.newInstance();SAXParser parser = factory.newSAXParser();parser.parse(new File("data.xml"), new ItemHandler());}static class ItemHandler extends DefaultHandler {@Overridepublic void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {if ("item".equals(qName)) {// 处理开始元素}}@Overridepublic void characters(char[] ch, int start, int length) throws SAXException {// 处理文本内容}@Overridepublic void endElement(String uri, String localName, String qName) throws SAXException {if ("item".equals(qName)) {// 处理结束元素}}}
}
2.2 事件驱动的实现要点
实现 SAX 时，需要在 DefaultHandler 的回调中维护当前解析的上下文，例如当前正在读取哪个元素、文本内容的缓存等。字符数据可能被多次回调，因此需要拼接，以确保最终的文本正确性。对于属性，我们可以在 startElement 回调中读取并存储。
SAX 的典型流程是：创建解析器、注册处理器、启动解析，在解析完成后，处理结果或输出数据流。与 DOM 相比，SAX 的代码更偏向于“以事件为驱动的状态机”，因此结构更像一个流式处理器。
3. STAX 解析基础
3.1 STAX 的拉式解析
STAX（Streaming API for XML）提供一种“拉取式”解析方式，开发者主动从 XML 流中读取事件。与 SAX 的事件回调不同，STAX 通过轮询式读取实现更清晰的控制流，同时具备较低的内存占用，适合中大型文档。
在 Java 标准库中，STAX 的核心对象是 XMLInputFactory 和 XMLStreamReader，通过 while 循环不断获取事件类型，进行业务处理。这使得代码结构更接近“逐步读取、逐步处理”的模式，易于维护。
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamConstants;
import javax.xml.stream.XMLStreamReader;
import java.io.FileInputStream;public class StaxExample {public static void main(String[] args) throws Exception {XMLInputFactory factory = XMLInputFactory.newInstance();try (FileInputStream in = new FileInputStream("data.xml")) {XMLStreamReader reader = factory.createXMLStreamReader(in);while (reader.hasNext()) {int event = reader.next();if (event == XMLStreamConstants.START_ELEMENT && "item".equals(reader.getLocalName())) {// 读取子元素或属性}}}}
}
3.2 使用 Cursor/Iterator 的要点
STAX 提供的两种常用使用方式中，Cursor 风格（XMLStreamReader）和 Iterator 风格在代码组织上略有差异。通常，Cursor 模式更直观地表达“当前位置”和当前元素信息，适合需要逐步读取并即时处理的场景。使用时要注意元素边界、命名空间及字符数据的边界情况，避免在读取文本时产生重复或丢失。
通过合理设计读取循环和条件判断，可以实现对复杂嵌套结构的解析，同时保持较低的内存占用。对于需要同时处理多个文档或多种数据结构的后端服务，STAX 提供了稳定且可扩展的解决方案。
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamConstants;
import javax.xml.stream.XMLStreamReader;
import java.io.FileInputStream;public class StaxCursorExample {public static void main(String[] args) throws Exception {XMLInputFactory factory = XMLInputFactory.newInstance();try (FileInputStream in = new FileInputStream("data.xml")) {XMLStreamReader reader = factory.createXMLStreamReader(in);while (reader.hasNext()) {int event = reader.next();if (event == XMLStreamConstants.START_ELEMENT && "item".equals(reader.getLocalName())) {// 读取 item 的子元素文本String name = null;while (reader.hasNext()) {event = reader.next();if (event == XMLStreamConstants.START_ELEMENT && "name".equals(reader.getLocalName())) {reader.next();name = reader.getText();} else if (event == XMLStreamConstants.END_ELEMENT && "item".equals(reader.getLocalName())) {break;}}System.out.println("Item: " + name);}}}}
}
4. 三种解析方式的对比与应用场景
4.1 内存与性能对比
DOM 的内存开销最高，因为整文档在内存中形成树状结构，适合小文档、需要随机访问和修改场景；SAX 以事件驱动逐步读取，内存占用最低，但实现逻辑较为复杂，适合超大文档或数据提取任务；STAX 在两者之间，提供更优的控制和相对低的内存消耗，适合需要可控的循环处理流程的场景。
在实际应用中，经常需要在性能和实现复杂度之间做权衡：如果只需要一次性提取少量字段，SAX 或 STAX 更合适；如果需要对文档进行修改并重新输出，DOM 提供了更直观的树状编辑能力。选择应基于文档大小、内存限制以及数据转换需要。
4.2 适用场景与选型指南
对于需要快速读取并逐步构建对象模型的后端服务，推荐优先考虑 STAX，兼具性能与可维护性；若需要在内存中对文档进行综合操作和修改，DOM 是更直观的选择；若文档非常大、只需提取少量字段且不需要任何回溯，SAX 是最节省资源的方式。此外，在企业级应用中，可以把三种解析方式按数据源和任务分开处理，以实现最优的吞吐量和稳定性。
