XML::Parserの比較
YoutubeとかLastFMとかWebAPI系のサービスをよく利用しているのですが解析はいつもXML::Simple使っています。
理由は単純に他のパーサーに乗り換えた結果既存コードを変更するのがいやだしキャッシュとってるからいいや、ぐらいの気持ちでした。
なんですが、昔作ったベンチマークを発見しました。で、せっかくなので実行してみました。
ちなみにサンプルのXMLはXML::Feedのテストコードに入っているものをそのまま利用しました。
サンプル
#!/usr/bin/env perl use strict; use warnings; use FindBin qw($Bin); use Path::Class qw/dir file/; use URI::file; use XML::Feed; use XML::Hash::LX; use XML::Hash; use XML::Simple; use XML::Twig; use XML::Bare; use XML::LibXML::Simple; use Benchmark qw(:all); my $file = file( $Bin, '..', "bench/samples/atom.xml" )->stringify; open my $fh, '<', $file or die; my $xml = do { local $/; <$fh> }; close $fh; cmpthese timethese 10_000, { 'XML::Feed' => sub { my $obj = XML::Feed->parse($xml); }, 'XML::Bare' => sub { my $root = XML::Bare->new( text => $xml )->parse; }, 'XML::Twig' => sub { my $hash = XML::Twig->new()->parse($xml); }, 'XML::Simple' => sub { my $hash = XML::Simple::XMLin($xml); }, 'Hash::LX' => sub { my $xml_hash = xml2hash($xml); }, 'XML::LibXML' => sub { my $doc = XML::LibXML->new->parse_string($xml); }, 'XML::LibXML::Simple' => sub { my $hash = XML::LibXML::Simple::XMLin($xml); }, };
実行
:!perl bench/xml_parser.pl
結果
Benchmark: timing 10000 iterations of Hash::LX, XML::Bare, XML::Feed, XML::LibXML, XML::LibXML::Simple, XML::Simple, XML::Twig... Hash::LX: 89 wallclock secs ( 5.79 usr + 83.59 sys = 89.38 CPU) @ 111.88/s (n=10000) XML::Bare: 5 wallclock secs ( 0.00 usr + 4.84 sys = 4.84 CPU) @ 2066.12/s (n=10000) XML::Feed: 2 wallclock secs ( 0.01 usr + 1.11 sys = 1.12 CPU) @ 8928.57/s (n=10000) XML::LibXML: 4 wallclock secs ( 0.01 usr + 4.82 sys = 4.83 CPU) @ 2070.39/s (n=10000) XML::LibXML::Simple: 79 wallclock secs ( 1.28 usr + 77.61 sys = 78.89 CPU) @ 126.76/s (n=10000) XML::Simple: 108 wallclock secs ( 1.03 usr + 106.67 sys = 107.70 CPU) @ 92.85/s (n=10000) XML::Twig: 171 wallclock secs ( 2.79 usr + 168.32 sys = 171.11 CPU) @ 58.44/s (n=10000) Rate XML::Twig XML::Simple Hash::LX XML::LibXML::Simple XML::Bare XML::LibXML XML::Feed XML::Twig 58.4/s -- -37% -48% -54% -97% -97% -99% XML::Simple 92.9/s 59% -- -17% -27% -96% -96% -99% Hash::LX 112/s 91% 20% -- -12% -95% -95% -99% XML::LibXML::Simple 127/s 117% 37% 13% -- -94% -94% -99% XML::Bare 2066/s 3435% 2125% 1747% 1530% -- -0% -77% XML::LibXML 2070/s 3443% 2130% 1751% 1533% 0% -- -77% XML::Feed 8929/s 15178% 9516% 7880% 6944% 332% 331% --
XML::Feed速!
というのは理由があって、上記のパーサーは解析結果が違っています。あまり細かく調べてないのであやふやな情報を書いている気もしますが、XML::Feedの解析結果は浅いのです。必要な箇所だけ解析している節があります。で、さらに情報が必要な場合はXML::LibXMLを内包(?)しているのでそれを使って解析する事ができたりします。
とりあえずRSSの解析はXML::Feedがよいと思います。
XML::LibXMLは速いのですが解析結果がハッシュリファレンスじゃないのでDumperしても中身がわかりづらいです。
なのでデバッグするためにXML::Simpleを使っていたりします。そうするともうキャッシュすりゃいいじゃん。XML::Simpleでいいじゃん、となりました、ぼくの場合は。
XML::Bareは高速なのですが、このモジュールには次のようなビューがついています。
This module uses the XML namespace but it is NOT an XML parser: - it doesn't support mixed content - it allows unquoted attributes - it supports only 1 comment per node
よくわかりませんが「厳密にはXMLってやつをぜんぶ解析できるとは言えねーなー」ってとこでしょうか?ちがいますか?
そうすると結局使いやすいParser使ってキャッシュとればいいじゃんとなるわけです。
今回ベンチとってみたのは昨日XML::LibXML::Simpleってのを発見したのがきっかけです。まぁXML::Simpleで動いているソースを書き換える気力が湧くほどのものじゃないっていう。
とりあえず今回分かった事は
XMLという定義は思った以上に複雑なデータ構造のものを含んでいて、それを解析するParserには思ったよりも多様な機能を有する必要がある。
XMLは表現力は豊かだけど、それを解析するには手間がかかるという事かな…