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 = ;
             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 = ; count <= N; count++)
                 {
                     writer.WriteStartElement("Person");
                     writer.WriteElementString("Id", count.ToString());
                     writer.WriteElementString("Name", rand.Next().ToString());
                     writer.WriteElementString("Sex", rand.Next(, ) ==  ? "男" : "女");
                     writer.WriteElementString("Age", rand.Next(, ).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 = ;
                 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。