c - 使用 XPath 和 libxml2 检查祖先的最快方法

Question

我正在开发一个使用 libxml2 处理 HTML 文档的小型阅读应用程序。在处理 HTML 树时，我检查每个 text() 节点的祖先以选择合适的样式。对于 header ，我使用以下查询来查看节点是否为 header :

boolean(ancestor::*[
self::h1 or 
self::h2 or 
self::h3 or 
self::h4 or 
self::h5 or 
self::h6])

一本 5 MB 的书，需要 1.1 秒才能通过。加上两个额外的重点和代码风格查询(具有更大的节点名称集)，它加起来达到 4.4 秒。

根据 Apple 的 Instruments，瓶颈线是:

xmlXPathObject *object = xmlXPathNodeEval(node, query, context);

我缓存 context 以加快处理速度。我还能做些什么来让它更快吗？

Answer 1

我认为您的 XPath 表达式最适合 libxml2。但似乎您没有预编译 XPath 查询。如果您在程序开始时使用 xmlXPathCompile 编译查询并使用 xmlXPathCompiledEval 对其进行评估，您应该会看到显着的加速。

最重要的是，您可以通过从查询中删除 boolean 函数并直接调用 xmlXPathCompiledEvalToBoolean 来获得小幅加速。