saxparser oom 的根本原因是事件处理器中累积数据而非流式处理，需禁用验证、外部实体和命名空间，用栈匹配路径并仅在目标节点内捕获字符。
为什么 SAXParser 读大 XML 还是 OOM？
不是 SAXParser 不行，是默认配置和代码写法没切断内存增长链。SAXParser 本身不缓存整棵树，但如果你在 startElement 里把所有 characters 全攒进一个 StringBuilder，或把每个元素都 new 成对象塞进 List，那跟 DOM 没本质区别——OOM 只是早晚问题。
- 常见错误现象：
java.lang.OutOfMemoryError: Java heap space出现在解析到文件中后 1/3 处，且堆 dump 显示大量String、ArrayList实例 - 根本原因：事件处理器（
DefaultHandler）里做了“累积式”数据收集，而非“流式丢弃”或“按需提取” - 关键判断点：只要你的业务逻辑不需要随机访问任意节点、也不需要回溯父元素，就该把中间状态压到最低——比如只保留当前路径的标签名栈，而不是保留所有已见元素的完整副本
怎么设置 SAXParserFactory 才真正轻量？
默认的 SAXParserFactory 可能启用 DTD 或 XSD 验证，这会触发外部实体加载、schema 编译，不仅慢，还可能因网络请求或复杂类型推导吃掉额外内存。
- 必须关闭验证：
factory.setValidating(false)，否则即使 XML 没声明 DTD，JDK 8+ 仍可能尝试加载http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd - 禁用外部实体：
factory.setFeature("http://apache.org/xml/features/disallow-doctype-decl", true)（防 XXE） - 关闭命名空间前缀处理（如果不用）：
factory.setNamespaceAware(false)，减少内部符号表开销 - 别调用
factory.setFeature("http://xml.org/sax/features/namespaces", false)—— 这个和上面重复，且部分 JDK 版本会抛UnsupportedOperationException
如何在 startElement / endElement 中安全提取字段？
核心原则：不保存历史，不构造嵌套结构，只响应“当前正在进入/离开的目标节点”。比如你要取 <record><id>123</id><name>foo</name></record> 里的 id 和 name，就该用路径匹配，而不是建 Record 对象再 add 进 list。
- 用
Stack<string></string>记录当前 XPath（如["root", "records", "record", "id"]），在startElementpush，在endElementpop - 只在栈顶是目标字段时才开启字符捕获（设
isCapturing = true），并在endElement匹配成功后立刻处理并清空缓冲区 - 绝对避免在
characters回调里直接拼接：buffer.append(ch, start, length)是安全的，但new String(ch, start, length)会强制创建新对象，高频调用下 GC 压力陡增 - 示例片段：
if (stack.size() == 4 && "id".equals(localName) && "record".equals(stack.get(2))) { isCapturing = true; buffer.setLength(0); }
遇到混合内容（text + element）怎么办？
XML 里像 <p>Hello <b>world</b>!</p>
<p><span>立即学习</span>“<a href="https://pan.quark.cn/s/c1c2c2ed740f" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Java免费学习笔记（深入）</a>”；</p> 这种结构，SAX 会拆成多次 characters 调用（前后各一次文本，中间夹着 b 的 start/end），导致你无法靠单次回调拿到完整文本——这是最容易误判为“解析失败”的地方。
- 不要假设
characters只调用一次：它受 XML 解析器内部缓冲区大小影响，同一段文本可能被切成多块 - 正确做法：用布尔标记 +
StringBuilder累积，但仅限当前目标节点内；一旦进入子元素（startElement）且当前在捕获状态，先 flush 当前文本，再重置 - 更稳妥方案：如果业务允许，直接跳过混合内容节点——检查
qName是否含:（命名空间前缀）或是否在已知纯文本标签白名单里（如"title","summary"） - 容易踩的坑：
characters的ch数组可能复用，不能长期持有引用；必须拷贝内容或立即处理
results.add(new Record(id, name)) —— 它看起来无害，却悄悄把流式解析变成了内存镜像。 
