Jsoup vs regexes与XPath的性能从HTML中提取内容？

Question

我知道通常情况下HTML shouldn't be parsed with regex。

但我想对Web应用程序进行性能测试。我确切知道HTML的外观。所以我可以使用正则表达式从页面源中提取一些数据。

当我进行性能测试（使用Jmeter）时，我想从主机上获取更少的资源。

什么选项会减少资源：XPath，正则表达式（Jakarta ORO）或Jsoup？

Answer 1

从JMeter 2.8开始，答案是Regexp。 但它当然取决于您使用的Regexp表达式。 JMeter中的Regexp实现相当优化，是相关的主要后处理方式。

关于JSoup，它需要基于JSR223后处理器的自定义编码。

JMeter 2.9将引入一个基于Extractor的新的CSS / JQuery选择器，它有两个可能的底层实现：

• JSOUP

• Jodd Lagarto（CSSelly）

见：

• https://issues.apache.org/bugzilla/show_bug.cgi?id=54259

它的性能将低于Regexp，因为它构建了一个DOM文档，但它在测试计划中简化了许多不需要超优化测试计划的语法。

最后，关于XPath，因为它构建了一个DOM树：

• http://www.developer.com/xml/article.php/3397691/Does-StAX-Belong-in-Your-XML-Toolbox.htm

它的内存和CPU成本高于正则表达式，特别是如果你想提取许多元素，已经创建了一个增强功能：

• https://issues.apache.org/bugzilla/show_bug.cgi?id=53973