SimpleXML vs DOMDocument rendimiento

Question

Estoy construyendo un analizador de RSS utilizando la clase SimpleXML y me preguntaba si el uso de la clase DOMDocument mejoraría la velocidad del analizador. Estoy analizando un documento rss que tiene al menos 1000 líneas y uso casi todos los datos de esas 1000 líneas. Estoy buscando el método que tomará menos tiempo para completar.

Answer 1

SimpleXML y DOMDocument ambos utilizan el mismo analizador (libxml2), por lo que el análisis sintáctico diferencia entre ellos es insignificante.

Esto es fácil de comprobar:

function time_load_dd($xml, $reps) { 
    // discard first run to prime caches 
    for ($i=0; $i < 5; ++$i) { 
     $dom = new DOMDocument(); 
     $dom->loadXML($xml); 
    } 
    $start = microtime(true); 
    for ($i=0; $i < $reps; ++$i) { 
     $dom = new DOMDocument(); 
     $dom->loadXML($xml); 
    } 
    $stop = microtime(true) - $start; 
    return $stop; 
} 
function time_load_sxe($xml, $reps) { 
    for ($i=0; $i < 5; ++$i) { 
     $sxe = simplexml_load_string($xml); 
    } 
    $start = microtime(true); 
    for ($i=0; $i < $reps; ++$i) { 
     $sxe = simplexml_load_string($xml); 
    } 
    $stop = microtime(true) - $start; 
    return $stop; 
} 


function main() { 
    // This is a 1800-line atom feed of some complexity. 
    $url = 'http://feeds.feedburner.com/reason/AllArticles'; 
    $xml = file_get_contents($url); 
    $reps = 10000; 
    $methods = array('time_load_dd','time_load_sxe'); 
    echo "Time to complete $reps reps:\n"; 
    foreach ($methods as $method) { 
     echo $method,": ",$method($xml,$reps), "\n"; 
    } 
} 
main(); 

En mi máquina me sale básicamente, no hay diferencia:

Time to complete 10000 reps: 
time_load_dd: 17.725028991699 
time_load_sxe: 17.416455984116 

El verdadero problema aquí es lo que los algoritmos que está utilizando y lo que está haciendo con el datos. 1000 líneas no es un gran documento XML. Su ralentización no estará en el uso de la memoria o en la velocidad de análisis, sino en la lógica de la aplicación.

Answer 2

Bueno, he encontrado una ENORME diferencia de rendimiento entre DomDocument y SimpleXML. Tengo ~ 15 MB de archivos XML grande con aproximadamente 50 000 elementos como esto:

... 
<ITEM> 
    <Product>some product code</Product> 
    <Param>123</Param> 
    <TextValue>few words</TextValue> 
</ITEM> 
... 

Sólo tengo que "leer" esos valores y guardarlos en la matriz PHP. Al principio traté DomDocument ...

$dom = new DOMDocument(); 
$dom->loadXML($external_content); 
$root = $dom->documentElement; 

$xml_param_values = $root->getElementsByTagName('ITEM'); 
foreach ($xml_param_values as $item) { 
    $product_code = $item->getElementsByTagName('Product')->item(0)->textContent; 
    // ... some other operation 
} 

Ese guión murió después de 60 segundos con tiempo máximo de ejecución superaron error. Solo se analizaron 15 000 elementos de 50k.

Así que volvieron a escribir el código para SimpleXML versión:

$xml = new SimpleXMLElement($external_content); 
foreach($xml->xpath('ITEM') as $item) { 
    $product_code = (string) $item->Product; 
    // ... some other operation 
} 

Después 1 segundo todo estaba hecho.

No sé cómo estas funciones se implementan internamente en PHP, pero en mi aplicación (y con mi estructura XML) realmente hay una diferencia de rendimiento MUY ENORME entre DomDocument y SimpleXML.