我有大批手动更新的X
HTML文件.在更新的审查阶段,我想以编程方式检查文件的格式.
我目前正在使用XmlReader,但平均cpu所需的时间比我预期的要长得多.
我目前正在使用XmlReader,但平均cpu所需的时间比我预期的要长得多.
XHTML文件的大小范围为4KB到40KB,每个文件的验证需要几秒钟.检查是必不可少的,但我希望尽可能缩短时间,因为在将文件读入下一个流程步骤时执行检查.
有没有更快的方法来进行简单的XML格式检查？也许使用外部XML库？
我可以确认使用XmlReader验证“常规”基于XML的内容是快速的,并且正如所建议的那样,问题似乎与每次验证文件时读取XHTML DTD的事实有关.
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
请注意,除了DTD之外,还会下载相应的.ent文件(xhtml-lat1.ent,xhtml-symbol.ent,xhtml-special.ent).
由于完全忽略DTD并不是XHTML的真正选择,因为良好的格式与允许的HTML实体密切相关(例如,当我们忽略DTD时,它会立即引入验证错误).
解决方法
我希望带有while(reader.Read)(){}的XmlReader是最快的托管方法.读取40KB肯定不需要几秒钟……您使用的输入方法是什么？
你可能有一些外部(架构等)实体要解决？如果是这样,您可以编写一个使用本地缓存模式而不是远程获取的自定义XmlResolver(通过XmlReaderSettings设置)…
以下几乎立即执行~300KB：
using(MemoryStream ms = new MemoryStream()) {
XmlWriterSettings settings = new XmlWriterSettings();
settings.CloSEOutput = false;
using (XmlWriter writer = XmlWriter.Create(ms,settings))
{
writer.WriteStartElement("xml");
for (int i = 0; i < 15000; i++)
{
writer.WriteElementString("value",i.ToString());
}
writer.WriteEndElement();
}
Console.WriteLine(ms.Length + " bytes");
ms.Position = 0;
int nodes = 0;
Stopwatch watch = Stopwatch.StartNew();
using (XmlReader reader = XmlReader.Create(ms))
{
while (reader.Read()) { nodes++; }
}
watch.Stop();
Console.WriteLine("{0} nodes in {1}ms",nodes,watch.ElapsedMilliseconds);
}
