2

Для страницы пасится с помощью Simple_Html_Dom приличное количество информации, что значительно замедляет все процессы. Можно ли как-нибудь все это оптимизировать??

3 ответа 3

3

В общем случае XML парсится двумя способами:

  1. DOM парсер, когда весь документ засовывается в парсер и на выход подается дерево.
  2. SAX парсер - потоковый парсер, когда парсится в виде потока.

SAX и быстрее и менее требователен к памяти. Недостаток SAX в том, что он только read-only и читает только в одном направлении - в остальном он хорош. Если эти ограничения вас устраивают юзайте SAX. Я думаю, что в PHP есть такой парсер (он есть во всех нормальных языках).

Сравнение обоих методов здесь

2
  • я парсю html страницу
    – ЖуЖу
    25 дек 2012 в 10:58
  • Да какая разница собственно говоря? SAX'у это все равно - он не проверяет на well-formness
    – Barmaley
    25 дек 2012 в 12:12
2

Для продакшна исходя из производительности, лучше использовать нативную php-библиотеку классов DOM. Составление RegExp-паттернов для парсинга HTML/XML, а также использование библиотек на их основе (Simple HTML и т.д.), это зло!

Класс DOMDocument.

Минус: она чуть сложнее в освоении нежели Simple HTML DOM.

Плюс: Нативна (решение встроенное в php).

Вот ссылка на материал, где производят замер производительности различных библиотек парсинга html/xml:

Сравнение библиотек для парсинга.

Среди них, к примеру, "Nokogiri", является как раз-таки надстройкой над нативным php-решением. Правда, весьма простенькая, и потому, когда с ней столкнулся, решил писать свой парсер на основе DOMDocument, чего и Вам советую.

1

Да. Если нужна не вся информация - ручками написать регулярку.
Еще быстрее - через JS, но это отнюдь не всегда удобно, так как приходится пересылать на клиентскую часть.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.