DOM和SAX怎么选？

本文目录导读：

1. 核心区别一句话
2. 决策指南：什么时候选 DOM？什么时候选 SAX？
3. 详细对比与场景举例
4. 其他方案：StAX (Streaming API for XML)
5. 总结与最终建议

这是一个很经典的问题。没有绝对的“哪个更好”，只有“哪个更适合你的场景”。

选择 DOM 还是 SAX，本质上是在 内存占用、处理速度、开发便利性 和 数据访问方式 之间做权衡。

下面为你梳理一个清晰的决策指南：

核心区别一句话

• DOM：一次性把整个 XML/HTML 文档读入内存，构建一棵树，你可以随意访问、修改树上的任何一个节点。
• SAX：像流水线一样，顺序读取文档，每遇到一个元素、文本、属性，就触发一个事件（回调函数），它不保留整个文档在内存中。

决策指南：什么时候选 DOM？什么时候选 SAX？

详细对比与场景举例

选 DOM 的场景：

1. 文件很小（比如几KB到几MB的配置文件）：内存压力不大，DOM 的开发效率远高于 SAX。
2. 你需要频繁随机访问文档的不同部分：比如先查第1个元素，再跳到最后1个，再修改中间的属性，DOM 像一张地图，SAX 则像单行道。
3. 你需要修改文档并保存：比如一个 XML 编辑器软件，必须能增删改节点，DOM 是唯一选择。
4. 你需要复杂的 XPath 或 XSLT 查询：DOM 解析后，可以很方便地结合 XPath 找到元素。

典型场景：解析一个几 KB 的 pom.xml 或 web.xml 配置文件；浏览器中渲染 HTML 页面（浏览器内部就是 DOM）。

选 SAX 的场景：

1. 文件非常巨大（几百MB甚至GB级别）：这是 SAX 最核心的优势，DOM 会直接导致内存溢出（OOM），而 SAX 可以轻松处理。
2. 你只关心文档中的一小部分数据：比如从一个大日志文件里提取所有 <error> 标签的内容，SAX 可以边读边过滤，扔掉其余部分。
3. 你的程序对内存占用有严格要求：比如在嵌入式设备、手机App或服务器端的批处理任务中，内存是稀缺资源。
4. 你只需要顺序读取数据：没有修改需求，也不需要看前面的内容。

典型场景：解析大银行的大额交易XML流水文件；从一个巨大的XML数据库导出数据；解析安卓的 AndroidManifest.xml（通常较大且只读）。

其他方案：StAX (Streaming API for XML)

除了 DOM 和 SAX，还有一个值得了解的方案：StAX。

• 定位：介于 DOM 和 SAX 之间。
• 原理：它也是流式、事件驱动，但拉（Pull）模式，而不是 SAX 的推（Push）模式。
  • SAX：解析器主动“推”给你事件，你被动处理。
  • StAX：你主动“拉”取下一个事件，像读迭代器一样。
• 优点：代码比 SAX 更可控、更清晰（可以自由控制解析节奏），内存占用同样很低。
• 缺点：修改文档的能力依然不如 DOM。
• 适用：如果你觉得 SAX 的状态机太难管理，但又要处理大文件，StAX 是很好的折中选择。

总结与最终建议

1. 先看文件大小：

   • 小文件（<10MB）：无脑选 DOM，开发效率第一，内存代价可以忽略。
   • 巨大文件（>100MB）：必须选 SAX 或 StAX，否则程序会崩溃。
   • 中间大小（10MB - 100MB）：如果你的服务器内存够多，且需要修改或随机访问，依然可以选 DOM；如果后续可能变大或需要批处理，考虑 StAX。

2. 再看操作需求：

   • 需要增删改？ -> 只能选 DOM。
   • 只需要读取？ -> 再看文件大小，大文件选 SAX/StAX，小文件选 DOM。
   • 需要 XPath 查询？ -> 最好选 DOM。

3. 最后看开发团队：

   • 追求快速迭代：DOM。
   • 追求极致性能/内存控制，且团队熟悉事件驱动编程：SAX 或 StAX。

一句话建议：

• 默认选 DOM，因为它最简单。
• 当你发现程序因为加载大文件而内存溢出，或者觉得“把整个文件读进来太浪费了”时，再切换成 SAX 或 StAX。