几种xml读取方法比较

背景

这几天手上有个活，解析xml，众所周知xml的解析方法有：

1. DOM
2. SAX
3. linq to xml
4. plinq

测试用xml和生成代码

static void CreateFile()
        {
            int N = 5000000;
            Random rand = new Random();
            using (var writer = new XmlTextWriter("VeryHugeXmlFile.xml", Encoding.UTF8))
            {
                writer.Formatting = Formatting.Indented;

                writer.WriteStartDocument();
                writer.WriteStartElement("Root");
                for (int count = 1; count <= N; count++)
                {
                    writer.WriteStartElement("Person");
                    writer.WriteElementString("Id", count.ToString());
                    writer.WriteElementString("Name", rand.Next().ToString());
                    writer.WriteElementString("Sex", rand.Next(0, 2) == 0 ? "男" : "女");
                    writer.WriteElementString("Age", rand.Next(1, 101).ToString());
                    writer.WriteEndElement();
                }
                writer.WriteEndElement();
                writer.WriteEndDocument();
            }
        }

之后会生成类似于下面的xml文件

<?xml version="1.0" encoding="utf-8"?>
<Root>
  <Person>
    <Id>1</Id>
    <Name>897639886</Name>
    <Sex>女</Sex>
    <Age>80</Age>
  </Person>
  <Person>
    <Id>2</Id>
    <Name>2012162696</Name>
    <Sex>女</Sex>
    <Age>60</Age>
  </Person>
  <Person>

xml下载链接

测试代码

统计时间（只是粗略统计了一下运行时间）

static void Watch(Action<string> way, string file)
        {
            Stopwatch watch = new Stopwatch();

            watch.Start();
            way(file);
            watch.Stop();
            Console.WriteLine(watch.ElapsedMilliseconds);
        }

DOM

static void DomWay(string file)
        {
            XmlDocument doc = new XmlDocument();
            doc.Load(file);

            Console.WriteLine(doc.SelectNodes(YOUR-XPATH-HERE).Count);

        }

SAX

static void SaxWay(string file)
        {
            using (XmlTextReader reader = new XmlTextReader(file))
            {
                int count = 0;
                while (reader.Read())
                {
                    if (reader.Name == "Person" && reader.NodeType == XmlNodeType.Element)
                    {
                        reader.Read();
                        reader.Read();

                        int? Id = null;
                        int? name = null;
                        string sex = null;
                        int? age = null;

                        if (reader.Name == "Id")
                        {
                            Id = reader.ReadElementContentAsInt();
                            reader.Read();
                            name = reader.ReadElementContentAsInt();
                            reader.Read();
                            sex = reader.ReadElementContentAsString();
                            reader.Read();
                            age = reader.ReadElementContentAsInt();
                            reader.Read();
                        }

                        if (reader.Name == "Person" && reader.NodeType == XmlNodeType.EndElement)
                            reader.Read();

                        if (Id != null && name != null && sex != null && age != null)
                        {
                            if (在此设置自定义过滤条件)
                                count++;
                        }
                    }
                }

                Console.WriteLine(count);
            }
        }

Linq to Xml

static void LinqWay(string file)
        {
            var root = XElement.Load(file);
            var person = from p in root.Elements("Person") 
 7                          where 在此设置自定义过滤条件 
 8                          select id;
            Console.WriteLine(person.Count());
        }

PLinq to Xml

static void PLinqWay(string file)
        {
            var root = XElement.Load(file);
            var person = from p in root.Elements("Person").AsParallel() 
 7                          where 在此设置自定义过滤条件 
 8                          select id;
            Console.WriteLine(person.Count());
        }

 统计结果

 在6核8G内存机器上，测试程序设置为x64和release模式，在xml查询结果相同的情况下取运行时间（ms），没有详细采集cpu和内存数据

两个模式，区别是加了一个素数的判断。

	Id > 5000 && sex == "男" && age > 15 && age < 50	Id > 5000 && sex == "男" && age > 15 && age < 50 && IsPrimeInt(name)
sax	13857	40010
linq	27336	53760
plinq	24550	28846
dom	31737	0

由于dom模式本身xpath模式不支持嵌入函数，所以第二个测试没有采集结果。

 

小结

sax：速度优先，内存占用少，但是代码复杂度高。

linq：速度较sax慢，但是代码优雅，维护容易

plinq：同上，在非计算密集型模式中，不比linq和sax模式好多少。但是在计算密集下，后来居上

dom：速度落后，但是原生支持xpath，代码最优雅。

内存方面仅是肉眼观察了任务管理器，sax基本内存曲线为水平线，而linq&plinq在load的时候分配内存，可能其内部也是用了dom。

仓促行文，其中必有不实之处，往各位劳神指教。