异构文本数据转换中XML解析方法对比研究

doi:10.19678/j.issn.1000-3428.0054925

计算机工程 ›› 2020, Vol. 46 ›› Issue (7): 286-293,299. doi: 10.19678/j.issn.1000-3428.0054925

异构文本数据转换中XML解析方法对比研究

何卓桁¹, 刘志勇¹, 李璐², 李长明³, 张琳⁴

1. 东北师范大学信息科学与技术学院, 长春 130024;
2. 同济大学软件学院, 上海 200092;
3. 长春光华学院电气信息学院, 长春 130033;
4. 吉林大学软件学院, 长春 130012

收稿日期:2019-05-15 修回日期:2019-07-22 发布日期:2019-08-15
作者简介:何卓桁(1994-),男,硕士研究生,主研方向为数据挖掘、数据预处理;刘志勇(通信作者),副教授、博士;李璐,本科生;李长明,硕士;张琳,研究员。
基金资助:
吉林省教育厅"十三五"科学技术研究规划项目"基于高校学生综合素质测评数据预测职业发展方向研究"（202118628）；吉林省教育厅新工科研究与实践项目"U-G-E'卓越软件工程师’人才培养模式与实践教学深化改革"（131003229）。

Comparative Study of XML Parsing Methods in Heterogeneous Text Data Conversion

HE Zhuoheng¹, LIU Zhiyong¹, LI Lu², LI Changming³, ZHANG Lin⁴

1. School of Information Science and Technology, Northeast Normal University, Changchun 130024, China;
2. School of Software, Tongji University, Shanghai 200092, China;
3. School of Electrical and Information Engineering, Changchun Guanghua University, Changchun 130033, China;
4. School of Software, Jilin University, Changchun 130012, China

Received:2019-05-15 Revised:2019-07-22 Published:2019-08-15

摘要/Abstract

摘要： 对异构文本数据转换过程中解析XML文本的DOM、SAX、JDOM、DOM4J方法进行对比研究，以解析时间、内存堆占用空间、CPU占用率为评价指标来判定4种解析方法的优劣。该评价方法的优势在于当数据量或数据属性发生变化时，4种解析方法对评价结果的影响仍具有良好的区分度。通过对10份Web日志异构文本数据转换后的XML数据集进行比较，实验结果表明，当数据量增大且以解析时间为重点时，DOM4J解析方法优于其他3种解析方法，当以空间占用为重点时，SAX解析方法优于其他3种解析方法。

关键词: 异构文本, XML解析, 数据结构转换, 时间复杂度, 空间复杂度

Abstract: This paper compares and studies the DOM,SAX,JDOM,DOM4J methods for parsing XML texts in heterogeneous text data conversion.The pros and cons of the four parsing methods are judged based on parsing time,memory heap space,and CPU occupancy rate.The advantage of this evaluation method is that when the amount of data or data attributes change,the impact of the four analytical methods on the evaluation results still has a good degree of discrimination.By comparing 10 converted XML datasets of heterogeneous text data of Web log,experimental results show that when the amount of data increases and the analysis time is mainly concerned,the DOM4J parsing method is superior to the other three analysis methods.When space occupation is mainly concerned,the SAX parsing method is superior to the other three analysis methods.

Key words: heterogeneous text, XML parsing, data structure conversion, time complexity, space complexity

中图分类号:

TP391.1

何卓桁, 刘志勇, 李璐, 李长明, 张琳. 异构文本数据转换中XML解析方法对比研究[J]. 计算机工程, 2020, 46(7): 286-293,299.

HE Zhuoheng, LIU Zhiyong, LI Lu, LI Changming, ZHANG Lin. Comparative Study of XML Parsing Methods in Heterogeneous Text Data Conversion[J]. Computer Engineering, 2020, 46(7): 286-293,299.

https://www.ecice06.com/CN/Y2020/V46/I7/286

参考文献

[1] CHENG Hongtao.Research and implementation of unstructured text of data transformation into structured of data based on XML[J].Modern Computer,2013(9):51-54.(in Chinese) 程洪涛.基于XML的非结构化文本数据转换研究与实现[J].现代计算机,2013(9):51-54.
[2] TARASOWA D,LANGE C,SORENN A.Measuring the quality of relational-to-RDF mappings[C]//Proceedings of International Conference on Knowledge Engineering and the Semantic Web.Berlin,Germany:Springer,2015:210-224.
[3] WANG Lei,YAO Baofeng,ZHU Honghao,et al.Mapping method from XML to relational database non-affected by constraints of DTD changes[J].Journal of University of Science and Technology Liaoning,2011,34(6):588-593.(in Chinese) 王磊,姚保峰,朱洪浩,等.一种无DTD变化约束的XML与关系数据库映射方法[J].辽宁科技大学学报,2011,34(6):588-593.
[4] LIU Jian,ZHANG Xiaoxiao.Dynamic labeling scheme for XML updates[J].Knowledge-Based Systems,2016,106:135-149.
[5] COMBI C,MASINI A,OLIBONI B,et al.A hybrid logic for XML reference constraints[J].Data & Knowledge Engineering,2018,115:94-115.
[6] REN Tingyan,LUO Gang.Functional dependency and inference rules for XML based on pivot nodes[J].Computer and Digital Engineering,2012,40(1):51-53.(in Chinese) 任廷艳,罗刚.基于轴结点的XML函数依赖及推理规则[J].计算机与数字工程,2012,40(1):51-53.
[7] QIN Ying,MA Yongqi,MENG Lirong.Design and implementation of data conversion method based on XML[J].Microcomputer & Its Applications,2017,36(20):30-33,38.(in Chinese) 秦英,马永起,蒙立荣.一种基于XML的数据转换方法的设计与实现[J].微型机与应用,2017,36(20):30-33,38.
[8] MARTENS W,NEVEN F,SCHWENTICK T,et al.Expressiveness and complexity of XML schema[J].ACM Transactions on Database Systems,2006,31(3):770-813.
[9] QIU Xiaohua,QIN Shuanshuan,QIU Guo.Research on XML and JSON data transmission format based on WEB development[J].Information Technology & Informatization,2017(4):123-125.(in Chinese) 仇小花,秦栓栓,邱果.基于WEB开发中的XML与JSON数据传输格式研究[J].信息技术与信息化,2017(4):123-125.
[10] LIU Zhiyong,ZHOU Jie,ZHANG Lin,et al.Research on TSP problem based on crossover and mutation combination[J].Computer and Modernization,2018(3):54-59.(in Chinese) 刘志勇,周杰,张琳,等.基于交叉与变异组合的TSP问题研究[J].计算机与现代化,2018(3):54-59.
[11] CHEN Xiaomao,TANG Wenbing.Comparative research on methods of parsing XML in Java[J].China New Technologies and New Products,2009(15):25.(in Chinese) 陈小毛,汤文兵.Java解析XML的方法比较研究[J].中国新技术新产品,2009(15):25.
[12] ZHANG Jie.Research and application of parsing XML file in Java[J].Silicon Valley,2014,7(6):120,128.(in Chinese) 张洁.Java解析XML文件的研究与应用[J].硅谷,2014,7(6):120,128.
[13] LI Jian,MA Yanzhou.A webpage extraction method supporting visual configuration of DOM template[J].Modern Computer,2018(10):56-60.(in Chinese) 李健,马延周.支持DOM模板可视化配置的网页抽取方法[J].现代计算机,2018(10):56-60.
[14] QIAN Chengyu,TANG Jianguo.Lightweight XML document parsing based on DOM tree[J].Computer Programming Skills & Maintenance,2016(18):35-36.(in Chinese) 钱承聿,唐建国.基于DOM树实现轻量级XML文档解析[J].电脑编程技巧与维护,2016(18):35-36.
[15] LIU Yuxiao.Analysis and research of XML data analytical technique based on SAX[J].Modern Electronics Technique,2010,33(12):55-56,65.(in Chinese) 刘雨潇.基于SAX的XML数据解析技术分析研究[J].现代电子技术,2010,33(12):55-56,65.
[16] HE Zhixue,LIAO Husheng.Query processing method of XML streaming data using list[J].Journal of Computer Applications,2016,36(3):665-669,686.(in Chinese) 何志学,廖湖声.基于列表的可扩展标记语言流数据查询处理方法[J].计算机应用,2016,36(3):665-669,686.
[17] TIAN Yuan.Research on XML document analysis based on JDOM[J].Computer CD Software and Applications,2012,15(6):112.(in Chinese)田原.基于JDOM的XML文档解析研究[J].计算机光盘软件与应用,2012,15(6):112.
[18] WU Yan,TAN Xianhai.Research on heterogeneous data transformation based on XML[J].Railway Computer Application,2012,21(10):4-7.(in Chinese)武艳,谭献海.基于XML的异构数据转换的研究[J].铁路计算机应用,2012,21(10):4-7.
[19] ZHANG Yifeng.Research on the analysis of DOM4j technology[J].Modern Computer,2011(15):39-42.(in Chinese)张屹峰.DOM4j解析技术探究[J].现代计算机,2011(15):39-42.
[20] CHEN Feifei.Research and application of XML document parsing technology based on DOM4J[J].Software Guide,2016,15(3):36-37.(in Chinese)陈飞飞.基于DOM4J的XML文档解析技术研究与应用[J].软件导刊,2016,15(3):36-37.
[21] YANG Jing,ZHOU Shuang’e.Method for unstructured data transformation based on XML technology[J].Computer Science,2017,44(z2):414-417.(in Chinese)杨晶,周双娥.一种基于XML的非结构化数据转换方法[J].计算机科学,2017,44(z2):414-417.
[22] JIAN Baorui,SONG Yuqing,CHEN Jianmei,et al.Model mapping scheme for XML documents based on RDBMS[J].Application Research of Computers,2011,28(12):4621-4624.(in Chinese)鉴保瑞,宋余庆,陈健美,等.一种基于关系的XML文档模型映射方法[J].计算机应用研究,2011,28(12):4621-4624.

选择文件类型/文献管理软件名称

选择包含的内容

异构文本数据转换中XML解析方法对比研究

Comparative Study of XML Parsing Methods in Heterogeneous Text Data Conversion

RichHTML

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	赵志洲,路畅,何震瀛,王晓阳. 一种高效的文本区间热词查询算法[J]. 计算机工程, 2018, 44(2): 17-23,30.
[2]	曹道通,李敬文,文飞. 图的Smarandachely邻点可区别边染色算法[J]. 计算机工程, 2017, 43(9): 228-233,239.
[3]	管秀英,曾卫明,王倪传. 基于相似度矩阵约减的仿射聚类fMRI数据分析[J]. 计算机工程, 2016, 42(12): 151-155.
[4]	王心妍,杨博. 基于多进制查询树的多标签识别方法[J]. 计算机工程, 2015, 41(8): 95-99.
[5]	朱嘉良,韦永壮. 针对LBlock 算法的踪迹驱动Cache 攻击[J]. 计算机工程, 2015, 41(5): 153-158.
[6]	赵龙，闵世平，代强玲. 基于八叉树的三维地质剖面生成算法[J]. 计算机工程, 2014, 40(2): 250-255.
[7]	沙林秀，贺昱曜. 一种新的自适应量子遗传算法[J]. 计算机工程, 2013, 39(9): 218-221.
[8]	段美军, 金炜东, 杨志新. 一种新的RES脉内特征复杂度评价方法[J]. 计算机工程, 2013, 39(8): 303-306.
[9]	陈伟平, 战荫伟. 基于结点间距离统计的无向无权图同构判别[J]. 计算机工程, 2013, 39(6): 316-318.
[10]	宋少鹏, 杨英杰, 汪永伟. 基于周期规律的加权时态关联规则挖掘算法[J]. 计算机工程, 2013, 39(3): 41-45.
[11]	胡家义，张激，刘玲. 层次化动态实时调度框架的设计与实现[J]. 计算机工程, 2013, 39(11): 285-288,294.
[12]	赵英男, 吴知, 金士伟. 基于核的最小均方误差改进算法及其应用[J]. 计算机工程, 2013, 39(1): 179-182.
[13]	张姣, 曾艳燕, 王驹, 徐章艳. 基于区分对象对集的不完备决策表求核算法[J]. 计算机工程, 2012, 38(19): 179-182,187.
[14]	冷明, 孙凌宇, 边计年, 马昱春, 朱平. 超图划分问题的元胞自动机模型及算法研究[J]. 计算机工程, 2012, 38(15): 23-27.
[15]	李美安, 林岚, 陈志党. 基于折半加一的分布式循环请求集生成算法[J]. 计算机工程, 2012, 38(14): 59-61.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

异构文本数据转换中XML解析方法对比研究

Comparative Study of XML Parsing Methods in Heterogeneous Text Data Conversion

RichHTML

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价