如何用Java流式API处理大XML文件 StAX API入门

大 XML 文件不宜用 DOM 解析因其会全量加载内存易 OOM；StAX 采用拉取式迭代，按需读取、内存稳定，通过 XMLStreamReader 逐事件处理，支持边读边转换对象，但需注意编码匹配和不可回退特性。

为什么 大 XML 文件不能用 DOM 解析

DOM 会把整个 XML 加载进内存构建成树形结构，文件稍大（比如超过 100MB）就容易触发 OutOfMemoryError。对日志、ETL、批量导出等场景，你真正需要的往往只是提取其中某些字段或过滤部分记录——StAX 正是为此设计：它像“拉取式迭代器”，按需读取， 内存占用 稳定在几 MB 级别。

StAX 核心接口：XMLStreamReader 最常用

Java 内置 javax.xml.stream.XMLStreamReader 是处理大 XML 的主力。它不自动解析嵌套结构，但给你完全的控制权：逐个事件推进（START_ELEMENT、CHARACTERS、END_ELEMENT 等），跳过无关节点，只处理关心的标签。

• 用 XMLInputFactory.newInstance().createXMLStreamReader(InputStream) 创建读取器
• 循环调用 next() 或nextTag()前进，用 getEventType() 判断当前事件类型
• 遇到 START_ELEMENT 时，用 getLocalName() 和getAttributeValue()快速取标签名和属性
• 遇到 CHARACTERS 时，用 getTextTrim() 获取干净文本内容（自动去首尾空白）

流式处理实战：边读边转换为对象

假设 XML 中有一组 Alice28，你想转成User 对象并写入数据库。关键不是“解析完再处理”，而是“见到 就初始化，见到 就提交”：

• 监听 START_ELEMENT，匹配"user"，读取id 属性存入临时变量
• 继续推进，遇到子元素 "name" 或"age"时，调用 next() 到其 CHARACTERS 事件，取值并设入对象字段
• 遇到 END_ELEMENT 且getLocalName()为 "user" 时，完成一个对象，立即入库或加入缓冲队列
• 全程不保留父节点引用，不构建树，GC 压力极小

避坑提醒：字符 编码 与异常恢复

StAX 默认按 UTF- 8 读取，若 XML 声明为 却用 UTF- 8 流打开，会乱码甚至抛 XMLStreamException。务必用InputStreamReader 显式指定编码：

立即学习“Java 免费学习笔记（深入）”；

正确写法：new InputStreamReader(fileInputStream, "GBK")

另外，StAX 不支持“回退”。一旦 next() 跳过某个事件，无法倒回去。所以逻辑判断要前置——比如想跳过注释，应在 next() 后立刻检查isStartElement()，而不是先做一堆操作再回头验证。