XML解析是指将符合XML规范的文本数据，转换为编程语言中可读取、可遍历、可修改的内存对象或事件流的过程。未经解析的XML只是一串字符，程序无法直接获取其中的字段含义；解析之后，开发者才能按节点名称拿到属性、文本内容，或判断标签嵌套关系。不同解析方式在内存占用、访问模式和适用场景上有明显区别。
一、XML解析的核心含义
从底层原理看，XML解析器首先进行词法分析，把字符流拆成标签开始、标签结束、属性赋值、文本片段等基础单元。接着做语法校验，确认嵌套是否闭合、属性是否重复、字符是否合法。校验通过后，根据解析模式决定是构建一棵完整的文档对象树，还是边读边向外抛出事件。
举个例子，对于配置项<server port="8080">localhost</server>，解析后程序应当能知道：存在一个名为server的元素，它带port属性且值为8080，其内部文本是localhost。这种从“纯文本”到“结构化数据”的映射，就是解析要解决的问题。若格式错误，解析器会抛出异常，阻止后续逻辑使用脏数据。
二、DOM解析方法
DOM（Document Object Model）解析会把整个XML文档一次性读入内存，形成由节点组成的树结构。每个标签、属性、文本都是树上的一个Node对象，父子关系严格对应原文档嵌套。开发者可用标准API自由遍历、增删节点，也能回退到任意层级重新读取。
下面用Java展示DOM解析的基本用法：
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NodeList;
public class DomDemo {
public static void main(String[] args) throws Exception {
// 创建DOM解析工厂
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
// 解析本地文件，生成文档树
Document doc = builder.parse("config.xml");
// 按标签名获取所有server节点
NodeList nodes = doc.getElementsByTagName("server");
for (int i = 0; i < nodes.getLength(); i++) {
Element el = (Element) nodes.item(i);
// 读取属性与文本
String port = el.getAttribute("port");
String text = el.getTextContent();
System.out.println("port=" + port + ", text=" + text);
}
}
}
DOM的优势是随机访问能力强，改完文档还能写回文件。缺点是文档很大时内存消耗高，例如几百MB的XML会让普通服务出现OOM。因此它适合中小型配置文件或需要反复修改结构的场景。
三、SAX解析方法
SAX（Simple API for XML）采用事件驱动模型，解析器从上往下读文档，遇到开始标签、结束标签、文本内容就回调你注册的方法。程序自身不保存整棵树，只在回调里处理当前片段，内存占用非常平稳。
以下为Python使用SAX风格解析的示例：
import xml.sax
class ServerHandler(xml.sax.ContentHandler):
def __init__(self):
self.cur_tag = None
def startElement(self, name, attrs):
self.cur_tag = name
if name == "server":
# 遇到开始标签时输出属性
print("port=", attrs.get("port"))
def characters(self, content):
# 只输出server内部的文本
if self.cur_tag == "server" and content.strip():
print("text=", content)
def endElement(self, name):
self.cur_tag = None
parser = xml.sax.make_parser()
parser.setContentHandler(ServerHandler())
parser.parse("config.xml")
SAX的明显短板是无法回头访问已处理过的节点，也不方便做全局结构修改。但在日志流水、大型数据交换等只需单向提取信息的任务里，它的资源占用优势突出。很多ETL工具底层都依赖此类流式解析。
四、其他常见解析方式
除了DOM与SAX，StAX（Streaming API for XML）提供了拉模式：程序主动调用next()向解析器要下一个事件，而不是被动等回调，控制更灵活。此外各语言还有专属库，如Python的ElementTree兼顾树操作和较低内存，JavaScript可用DOMParser在浏览器端直接处理字符串。
下面列出几种方式对比：
| 方式 | 内存占用 | 访问模式 | 典型场景 |
|---|---|---|---|
| DOM | 高 | 随机读写 | 小配置、需改写 |
| SAX | 低 | 单向事件 | 大文件提取 |
| StAX | 低 | 拉取可控 | 流式读写混合 |
选择解析方法时，先估量文档体积与操作类型：只是读大文件就选SAX或StAX；要频繁改结构且文件不大，DOM最直观。理解这些差异，才能写出既稳又高效的XML处理代码。
XML_parsingDOMSAX修改时间：2026-08-06 17:54:15