php html解析器性能答案

【问题标题】：php html parser performancephp html解析器性能
【发布时间】：2011-08-07 23:06:09
【问题描述】：

我需要从 html 文档中提取隐藏的输入

<input type="hidden" name="email" id="email" value="email%40hotmail.com">

我目前正在使用http://simplehtmldom.sourceforge.net/，但我想知道是否有更快的解决方案，RAM 使用率更低。输入位于文档中间的某处，因此不必加载整个 html 页面。正则表达式会更快吗？我将不得不处理数百万个文档。为了清楚起见，我只需要提取 email%40hotmail.com

【问题讨论】：

标签： php html-parsing

【解决方案1】：

我发现DomDocument 和XPath 速度很快，而且记忆力很好。另一个好处是，这是使用已定义的标准，非常独立且易于访问，并且通常需要完成工作所需的任何东西，因此可能比加载使用相同的库更轻量级。

一个简单的字符串搜索（寻找开始模式，寻找结束模式）可能会更快，但如果文档发生变化，它就不能很好地扩展。然而，这甚至比编译和运行正则表达式还要快。

【讨论】：

【解决方案2】：

如果您只需要与该格式完全匹配，那么请使用正则表达式。你不能用它做通用的 html 解析，但是你可以得到一个简单的模式。

这样就可以了：

<input type="hidden" name="email" id="email" value="([^"]*)">

通配符匹配任何非双引号字符。不要忘记解码 html 实体。

【讨论】：

我只希望得到 VALUE 而不是整个输入。如果我打印你给我的模式，我会得到 [0] => Array ( [0] =>
@Michael 您在要捕获的部分周围添加括号。我为你修改了答案。

【解决方案3】：

你可以这样做：

$html = '<input type="hidden" name="email" id="email" value="email%40hotmail.com">';
preg_match('%<input type="hidden" name="email" id="email" value="([^\"]+)">%', $html, $email);

已编辑

我错了，正则表达式更快。

【讨论】：