1 引言
XML的出現給分佈式計算領域帶來了重大影響，其力量源於它的數據獨立性[1].XML是純數據描述，與編程語言、操作系統或傳輸協議無關，從而將數據從以代碼爲中心的基礎結構所產生的約束中解放出來，讓數據能夠在Web上更自由的流通。
然而XML本身只是以純文本對數據進行編碼的一種格式，要想利用XML，或者說利用XML文件中所編碼的數據，必須先將數據從純文本中解析出來，因此，必須有一個能夠識別XML文檔中信息的解析器，用來解釋XML文檔並提取其中的數據。然而，根據數據提取的不同需求，又存在着多種解析方式，不同的解析方式有着各自的優缺點和適用環境。選擇合適的XML解析技術能夠有效提升應用系統的整體性能，因此，瞭解和區分各種不同的XML解析技術就顯得尤爲重要。
2 XML解析技術分析
所有的XML處理都從解析開始，無論是使用XSLT或Java語言，第一步都是要讀入XML文件，解碼結構和檢索信息等等，這就是解析，即把代表XML文檔的一個無結構的字符序列轉換爲滿足XML語法的結構化組件的過程。
2.1 XML解析技術的分類
根據從XML中獲取數據的簡易性，性能和最終所得到的數據模型的不同，XML解析技術大致可分爲以下四類：
1）面向文檔的流式解析；
2）面向文檔的對象式解析；
3）面向文檔的指針式解析；
4）面向應用的對象式解析；
這四類解析技術分別處於不同的抽象層次，適用於不同的應用場景，有着各自的優缺點。針對具體的應用需求，選擇合適的解析技術，往往能夠減少內存消耗，縮短處理時間，更方便地獲取數據，提高應用系統的整體性能。
2.2 面向文檔的流式解析技術
流式解析是一種基於事件的解析過程，解析器順序讀取XML文檔，產生一個對應的事件流，並向事件處理程序發送所捕獲的各種事件，如元素開始和元素結束等，而事件處理程序則通過不同的方法處理這些事件。
流式解析是將XML文檔作爲一個數據流來處理，因此，它具有類似於流媒體的優點，能夠立即開始讀取數據，而不是等待所有的數據被處理。而且，由於應用程序只是在讀取數據時檢查數據，不需要將整個文檔一次加載到內存中，使得在處理大型文檔時具有較好的時間和空間上的效率。然而效率的代價是易用性的降低，流式解析編程較爲複雜，程序員需要負責更多的操作。並且由於應用程序沒有以任何方式存儲數據，所以使得更改數據或在數據流中往後移是不可能的。再加上它的單遍解析特性，意味着它也不支持隨機訪問。
流式解析又分爲兩種解析方式：推式解析（SAX）和拉式解析（StAX）。這兩種方式的主要區別在於是由解析器還是應用程序控制讀循環（讀入文件的循環）。
2.2.1 推式解析（SAX解析技術）
SAX（Simple API for XML）解析技術就是一種推式解析，在這種解析方式中，解析器控制着讀循環，在文檔結束之前控制權不會返回給應用程序[3].解析器通過回調的方式進行數據處理。。SAX最初是爲Java而定義的，但也可以用於Python、Perl、C++等其它語言。
SAX中的核心事件處理程序是一個實現了ContentHandler接口的類。此接口中定義了處理與XML文檔本身關聯的事件的方法，如 startDocument、endDocument、startElement、endElement、Characters等
SAX解析技術具有所有流式解析技術的優點和缺點，但是由於在整個解析過程中，解析器掌握着控制權直到文檔結束，應用程序很難在獲得所需的部分數據後停止解析過程（可以通過拋出異常的方式終止解析過程，但較爲複雜，而且終止後也無法繼續解析過程），因此產生了由應用程序掌握控制權的拉式解析方式。
2.2.2 拉式解析（StAX解析技術）
StAX（Streaming API for XML）解析技術是一種拉式解析，在這種解析方式中，應用程序控制着讀循環。循環中，應用程序負責反覆調用解析器獲得下一個事件，直到文檔結束。通過保留解析過程的控制權，可以簡化調用代碼來準確地處理它預期的內容，並且可隨時停止解析。此外，由於該方式沒有基於處理程序回調，應用程序也不需要像SAX中那樣模擬解析器的狀態。
StAX針對同樣的XML文檔所獲得事件類型和SAX基本相同，但是StAX包含了兩套處理XML的API：基於指針的API和基於迭代器的API，分別提供了不同程度的抽象[5].
StAX也是用Java定義的，其StAX1.0於2004年3月發佈，並且成爲了JSR-173 規範，最新版本爲2006年6月發佈的StAX1.2.StAX作爲用Java語言處理XML的最新標準，比早期出現的XPP （Xml Pull Parser）拉式解析器功能更爲強大，也得到了更爲廣泛的應用。
2.3 面向文檔的對象式解析技術
由於流式解析方式固有的無法更改數據和不支持隨機訪問特性，尤其是沒有對XML文檔的結構建模，使得應用程序很難對XML文檔進行搜索、修改、添加和刪除等操作。爲了解決這些問題，產生了面向文檔的對象式解析技術——DOM.
DOM（Document Object Model）是用與平臺和語言無關的方式對XML文檔進行建模的官方W3C標準[6]，其目標是提供一個可以通用於各種程序語言、操作系統和應用程序的接口。
DOM作爲一種對象式解析技術，定義了層次化對象模型來表示XML文檔。即爲XML語法中的每個概念（如元素，屬性，實體，文檔等）定義對應的類，而解析器在讀入XML文檔的時候，會建立XML語法和類之間的一一映射。實際上，DOM的層次化對象模型是一個樹形結構，它將一個XML文檔看作一棵節點樹，每個節點代表一個XML文檔中的元素。DOM的基本節點對象有5個[1]：（1）Document對象：是樹的最高節點，也是對整個文檔操作的入口；（2）Element和Attr對象：對文檔中元素和元素屬性的映射；（3）Text對象：作爲Element和Attr對象的子節點，代表了元素或屬性的文本內容；（4）NodeList對象：對節點按指定的方式進行遍歷。
利用DOM在內存中建立的完整的XML文檔的樹形結構，開發人員就可以方便的對XML文檔進行一系列操作，如遍歷、增加、刪除、修改文檔內容等，且具有良好的導航能力。同時DOM所具有的對象特性也非常便於面向對象編程。然而，由於DOM在使用數據前需要完整的遍歷XML文檔，在內存中構建樹形結構表示，因此需要消耗大量的內存，尤其是對於大型文檔，性能下降的很快。而且必須一次解析整個XML文檔，不可能只做部分解析，當只關注XML文檔的小部分數據時，效率很低。
由於DOM是與語言無關的，當DOM接口進入指定語言的數據結構時，會產生不必要的複雜性，無法利用語言本身的優勢。因此出現了許多與DOM類似的針對特定語言的對象模型。如JDOM就是針對Java的特定文檔對象模型，JDOM使用具體類而不使用接口，簡化了API，並在API中大量使用了Java集合類。DOM4J則是JDOM的一種智能分支，它提供了對XPath和XML Schema的支持，並且通過DOM4J API和標準DOM接口使其具有並行訪問功能[5].它們都屬於面向文檔的對象式解析技術。
2.4 面向文檔的指針式解析技術
前面提到的面向文檔的流式解析效率較高，但易用性差，而對象式解析易用性強，卻效率較低，這兩種方式似乎處於兩個極端。其效率問題主要在於兩種方式都是提取解析模式，即解析時，提取一部分源文件，一般來說是一個字符串，然後在內存中進行解析構建。這種解析模式註定了需要大量的創建和銷燬對象，而且還存在更新效率問題，在DOM中（SAX並不支持更新），每一次改動都需要將DOM模型重新完整的解析成XML字符串，原文件並沒有被利用，即DOM並不支持增量更新。爲了解決這些問題，提出了一種較新穎的指針式解析技術，即VTD-XML.
VTD-XML是一種無提取的XML解析方法，它較好的解決了DOM佔用內存過大的缺點，並且還提供了快速的解析與遍歷、對XPath的支持和增量更新等特性。VTD-XML是一個開源項目，目前有Java、C兩種平臺支持，第一個版本是2004年6月發佈的VTD-XML0.5，其VTD- XML1.0版本於2005年10月發佈，最新的版本爲2007年10月發佈的VTD-XML2.2.
VTD（Virtual Token Descriptor，虛擬令牌描述符）是一個64bits長度的數值類型，記錄了每個元素的起始位置，長度，深度以及令牌的類型等信息，如圖3所示。64bits固定長度使得可以用數組這種高效的結構來組織VTD，大幅提高性能。VTD是實現無提取解析的關鍵，它類似於XML文檔中元素的指針，通過它可以快速定位到某個元素。
爲了實現無提取這個目的，VTD-XML將原XML文件原封不動的以二進制的方式讀進內存，不做解碼，然後在這個比特數組上解析每個元素的位置並把一些信息，如XML令牌的開始偏移量、長度、深度和令牌類型，記錄下來，保存爲VTD數組，之後的遍歷操作便可在VTD數組上進行。如果需要提取XML內容，就查找VTD數組，利用VTD記錄中的位置等信息在原始比特數組上進行解碼並返回字符串。
而且VTD-XML還可以高效的實現增量更新，例如，如果想在一個大型XML文檔中找出一個節點元素並刪除它，那麼只需要找到這個元素的VTD，將這個VTD從VTD數組中刪除，然後再利用所有的VTD寫出到另一個二進制數組中就可以了，因爲刪除的VTD標明瞭要刪除的元素的位置，所以在新寫入的二進制數組中就不會出現這段元素了。用VTD寫入新的二進制數組的過程實際上就是一個二進制數組的拷貝過程，其效率是非常高的[2].
由此可見，VTD很好的解決了前兩種解析方式的缺點，通過其巧妙的設計使得在解析XML文檔時內存佔用少，效率高，並且還能夠實現XML文檔的快速解析與遍歷、提供對XPath的支持。VTD的出現是XML解析技術的一大進步，會對XML解析技術的發展產生巨大影響。
2.5 面向應用的對象式解析技術
前面所談到的三種解析技術都是從XML的角度來處理文檔和建立模型，這對於主要關心文檔的XML結構的應用程序來說是適用的，但是有很多應用程序僅僅將XML作爲數據交換的媒介，它們更關心的是文檔數據本身。此時，面向應用的對象式解析（或稱爲XML數據綁定）可以使應用程序在很大程度上忽略XML文檔的實際結構，而直接使用文檔的數據內容。
數據綁定是指將數據從一些存儲媒介（如XML文檔、文本文件和數據庫）中取出，並通過應用程序表示這些數據的過程，即把數據綁定到虛擬機能夠理解並且可以操作的某種內存中的結構[9].數據綁定並不是一個新鮮的概念，其在關係數據庫上早已得到了廣泛的應用，如Hibernate就是針對數據庫的輕量級數據綁定框架。而針對XML數據綁定的Castor框架在2000年就已經出現，目前已經涌現出了許多類似的框架，如JBind、JAXB、JiBX、Quick和Zeus等。
其中JAXB（Java Architecture for XML Binding）是一個處於不斷發展中的應用於Java平臺的數據綁定框架，提供了一套在XML文檔和Java對象之間自動映射的API，符合JSR31——XML數據綁定規範（XML Data Binding Specification）。
如圖4，顯示了數據綁定在數據庫和XML文檔中的應用。
