.NET从System.Xml迁移至Saxon.Api的性能问题咨询

我太懂你这种纠结了——之前用XmlReader+XElement处理100MB以上的XML，高效是高效，但偶尔蹦出来的错误实在闹心；换成Saxon.Api吧，正确性倒是稳了，结果性能直接掉链子，这换谁都头疼。结合我用Saxon处理大文档的经验，给你几个针对性的优化方案，应该能把性能拉回来：

1. 必须启用Saxon的流式处理模式 #

你之前用XmlReader的核心优势就是流式遍历不加载全量文档，但Saxon默认是把整个XML加载成DOM树来处理的——这对大文件来说简直是灾难，内存占用拉满，速度自然慢。所以第一步就是开启流式支持：

• 初始化Processor和XPathCompiler的时候，一定要打开流式开关：

  var processor = new Processor();
  var xpathCompiler = processor.NewXPathCompiler();
  xpathCompiler.SetStreaming(true); // 这是关键中的关键！
  

• 然后用StreamSource直接读文件流，配合XPathSelector逐节点处理，完全不用加载整个文档：

  using var xmlStream = File.OpenRead("your-large-file.xml");
  var streamSource = new StreamSource(xmlStream);
  // 编译你要定位的目标节点XPath
  var selector = xpathCompiler.Compile("//YourTargetNode").Load(streamSource);
  
  while (selector.MoveNext())
  {
      // 直接在当前节点上下文里获取数据，不用物化整个节点
      var nodeValue = selector.Current.GetStringValue();
      // 如果要查子元素，直接在当前节点上执行XPath
      var childElementValue = selector.Current.Evaluate("ChildElementName") as string;
  }
  

这种方式和你之前用XmlReader的逻辑完全对齐，内存占用极低，性能应该能回到之前的水平。

2. 别随便把节点“物化”成DOM对象 #

如果你之前习惯把XmlReader读到的节点转成XElement，在Saxon里千万别随便调用selector.Current.ToXdmNode()或者类似方法把节点转成内存DOM——这会把当前节点及其子节点全部加载到内存，直接抵消流式的优势。能在流式上下文里直接用XPath取值或处理的，就尽量不物化。

3. 优化你的XPath表达式 #

Saxon的XPath引擎很强，但复杂的表达式在流式模式下会拖慢速度，尽量让你的XPath更“精准”：

• 用绝对路径代替模糊的//，比如/Root/ParentNode/TargetNode，这样Saxon不用遍历整个文档找节点
• 流式处理是单向的，别用反向轴（比如parent::、ancestor::），这类查询会强制Saxon物化节点来回溯，性能直接崩
• 如果要获取多个子元素的值，尽量一次编译一个多结果的XPath，比如Child1 | Child2，而不是多次调用Evaluate

4. 调整Saxon的配置参数 #

还有几个小参数能帮你再提一提性能：

• 切换到TinyTree模型：这个模型比默认的StandardTree更节省内存、处理速度更快，设置方式：

  processor.SetConfigurationProperty("http://saxon.sf.net/feature/treeModel", "tiny");
  

• 确保你用的是Saxon .NET原生版本（不是IKVM编译的旧版），IKVM版本在.NET环境下性能有明显劣势，现在Saxon有专门的.NET包（NuGet上搜Saxon-HE）

额外提一句之前的偶发错误 #

你之前用XmlReader转XElement偶现错误，大概率是XmlReader的位置没处理对——比如转XElement的时候，XmlReader没读到节点的结尾，导致后续遍历混乱。如果之后需要回退这个方案，可以试试在转XElement前先调用reader.MoveToContent()，或者用XNode.ReadFrom(reader)来确保节点被完整读取，应该能解决偶发问题。

内容的提问来源于stack exchange，提问作者John Bustos