加载时间：使用 PHP 的 DOMDocument 还是使用正则表达式解析 HTML 更快？

Question

我正在将图像从我的 Flickr 帐户提取到我的网站，并且我使用了大约九行代码来创建一个用于提取图像的 preg_match_all 函数。

我已经读过好几次了，通过 DOM 解析 HTML 会更好。

就我个人而言，我发现通过 DOM 解析 HTML 更复杂。我用PHP的DOMDocument编写了一个类似的函数来拉取图像，大约有22行代码。创建花了一段时间，我不确定有什么好处。

每个代码的页面加载时间大约相同，因此我不确定为什么要使用 DOMDocument。

DOMDocument 比 preg_match_all 运行得更快吗？

如果您有兴趣，我将向您展示我的代码（您可以看到 DOMDocument 代码有多长）：

//here's the URL
$flickrGallery = 'http://www.flickr.com/photos/***/collections/***/';

//below is the DOMDocument method
$flickr = new DOMDocument();
$doc->validateOnParse = true;
$flickr->loadHTMLFile($flickrGallery);
$elements = $flickr->getElementById('ViewCollection')->getElementsByTagName('div');
$flickr = array();
for($i=0;$i<$elements->length;$i++){
    if($elements->item($i)->hasAttribute('class')&&$elements->item($i)->getAttribute('class')=='setLinkDiv'){
        $flickr[] = array(
                          'href' => $elements->item($i)->getElementsByTagName('a')->item(0)->getAttribute('href'), 
                          'src' => $elements->item($i)->getElementsByTagName('img')->item(0)->getAttribute('src'), 
                          'title' => $elements->item($i)->getElementsByTagName('img')->item(0)->getAttribute('alt')
                          );
    }
}
$elements = NULL;
foreach($flickr as $k=>$v){
    $setQuery = explode("/",$flickr[$k]['href']);
    $setQuery = $setQuery[4];
    echo '<a href="?set='.$setQuery.'"><img src="'.$flickr[$k]['src'].'" title="'.$flickr[$k]['title'].'" width=75 height=75 /></a>';
}
$flickr = NULL;

//preg_match_all code is below

$sets = file_get_contents($flickrGallery);
preg_match_all('/(class="setLink" href="(.*?)".*?class="setThumb" src="(.*?)".*?alt="(.*?)")+/s',$sets,$sets,PREG_SET_ORDER);
foreach($sets as $k=>$v){
    $setQuery = explode("/",$sets[$k][2]);
    $setQuery = $setQuery[4];
echo '<a href="?set='.$setQuery.'"><img src="'.$sets[$k][3].'" title="'.$sets[$k][4].'" width=75 height=75 /></a>';
}
$sets = NULL;

Answer 1

如果您愿意为了正确性而牺牲速度，那么请继续尝试使用正则表达式来构建您自己的解析器。

你说“就我个人而言，我发现通过 DOM 解析 HTML 更复杂”。您是否正在针对结果的正确性进行优化，或者您编写代码的容易程度如何？

如果您想要的只是速度和不复杂的代码，为什么不直接使用这个：

$array_of_photos = Array( 'booger.jpg', 'aunt-martha-on-a-horse.png' );

或者也许只是

$array_of_photos = Array();

那些在恒定时间内运行，并且它们很容易理解。没问题吧？

那是什么？您想要准确结果吗？然后不要使用正则表达式解析 HTML。

最后，当您使用像 DOM 这样的解析器时，您正在使用一段经过多年测试和调试的代码。当您编写自己的正则表达式来进行解析时，您正在使用必须自己编写、测试和调试的代码。为什么您不想使用许多人已经使用多年的工具？你认为你自己可以在忙碌中把工作做得更好吗？

Answer 2

我会使用 DOM，因为如果对页面进行任何小的更改，它不太可能被破坏。