|
|
使用PHP(XPath)、PHP/Python(Regexp)或Python(XPath)从html中提取信息
|
1
|
| Jeffrey04 George · 技术社区 · 17 年前 |
3 回复 | 直到 17 年前
|
|
1
3
如果速度是一项要求,请查看 lxml libxml2 和 libxslt C库。使用C库比任何纯php或python版本都要快得多。 benchmarks 伊恩·比金:
解析结果: Parsing Resutls http://1.2.3.9/bmi/blog.ianbicking.org/wp-content/uploads/images/parsing-results.png |
|
|
2
2
你可以给 Beautiful Soup 根据我的主观经验,Python中的大多数比较操作都比PHP中的快。部分原因是Python是一种编译语言,而不是在运行时进行解释,部分原因是Python的贡献者为了提高效率而进行了优化。。。 尽管如此,对于40k+文档,还是要找到一台速度很快的机器;-) |
|
|
3
0
正如前一篇文章提到的,由于字节码编译(那些.pyc文件),Python通常比php快。而且许多DOM/SAX解析器在内部使用了相当多的regexp。那些告诉您使用regexp的人需要被告知它不是一个灵丹妙药。对于40k+文档,我建议使用新的多线程或经典线程并行化任务 parallel python . |
