昨天抽取并解析了一大批從微信鉤子收取到的小程序消息，它們都是用很復雜的XML表示的。平常不是很接觸XML，本文就隨便說說XML的兩種解析方式。

DOM解析方式

DOM即文檔對象模型（document object model）。根據W3C的描述，DOM是一套用于HTML和XML文檔的標準接口，它定義了文檔的邏輯結構，以及訪問或操作文檔的方式。

DOM Parser會將文檔解析為包含元素、屬性和文本的樹形結構（類似抽象語法樹，但帶有細節）。舉個例子，對于如下的XML文檔：

<?xml version="1.0" encoding="utf-8"?>
<wikimedia>
  <projects>
    <project name="Wikipedia" launch="2001-01-05">
      <editions>
        <edition language="English">en.wikipedia.org</edition>
        <edition language="German">de.wikipedia.org</edition>
        <edition language="French">fr.wikipedia.org</edition>
        <edition language="Spanish">es.wikipedia.org</edition>
      </editions>
    </project>
    <project name="Wiktionary" launch="2002-12-12">
      <editions>
        <edition language="English">en.wiktionary.org</edition>
        <edition language="French">fr.wiktionary.org</edition>
      </editions>
    </project>
  </projects>
</wikimedia>

DOM解析后形成的樹形結構如下圖所示（為了節省空間，把文本域都省略了）。

用DOM解析方式處理XML文檔時，要求文檔必須全部加載進內存，才能形成完整的樹形結構，所以文檔越大，消耗的內存也就越多。如果文檔大小比可用內存還大，那么DOM解析方式就無能為力了。但它允許用戶可以在任何時候定位和讀寫文檔中的任意一部分數據，也可以任意創建和刪除元素，稱為“隨機訪問”特性（當然與平時所說的線性數組的隨機訪問特性不太像一回事）。

SAX解析方式

SAX是Simple API for XML的縮寫。與DOM不同，它是一套以流式、事件驅動的方式解析XML文檔的標準接口，并且是完全開放的。不過SAX不像DOM一樣有W3C制定的標準，現在一般認為Java的SAX實現（org.xml.sax）是事實上的標準。

SAX Parser總是逐行順序掃描文檔，當遇到文檔的開始/結束、元素的開始/結束、處理指令、文本、注釋等等情況時，會回調相應的事件處理方法。以org.xml.sax.ContentHandler處理器為例，上一節的維基百科XML文本會按如下流程解析：

文檔開始 -> startDocument()
wikimedia元素開始 -> startElement()
projects元素開始 -> startElement()
project元素開始 -> startElement() [屬性 -> name="Wikipedia" launch="2001-01-05"]
editions元素開始 -> startElement()
edition元素開始 -> startElement() [屬性 -> language="English"] 
文本en.wikipedia.org -> characters()
edition元素結束 -> endElement()
......
editions元素結束 -> endElement()
project元素結束 -> endElement()
......
wikimedia元素結束 -> endElement()
文檔結束 -> endDocument()

由此可見，SAX解析與DOM解析最大的不同在于，SAX解析不需要將文檔整體載入內存，而是讀入一些、解析一些。當遇到元素結束時，就可以釋放掉該元素范圍內的所有數據，內存占用會顯著降低，基本只與元素的嵌套深度有關系，解析速度也要優于DOM方式。所以就算文檔大小比可用內存還大，用SAX解析也不用擔心。

但是SAX只能順序解析文檔，完全不能隨機訪問。并且它對文檔的全貌是無感知的，所以也就不支持修改。如果對這兩點有硬性需求，就只能老老實實用DOM解析了。

dom4j

dom4j是Java環境下一個相當強大的XML框架（我這次用的就是它）。雖然名字叫dom4j，但它同時支持DOM和SAX兩種解析方式，并且提供了更高級、易用的特性，如迭代器、XPath支持、XSLT等。dom4j的介紹和文檔都可以在它的官網https://dom4j.github.io/找到，這里就不再廢話了。

XML尚能飯否？

XML和JSON哪個更好？也許很多人都會下意識地回答JSON，但這個問題實際上無法一概而論。因為XML是一種語言，而JSON是一種數據格式，只不過XML也可以用來表達數據而已。JSON雖然輕量易用，但XML也擁有JSON不具有的高級特性。看官可以參考知乎上的這個問題獲得更多信息（請忽略問題本身的傾向性）。

今天缺覺，民那晚安。