我正在使用适用于小型文档的Nokogiri。但对于180KB的HTML文件，我必须通过ulimit -s增加进程堆栈大小，解析和XPath查询需要很长时间。
使用股票Ruby分发是否有更快的方法？
我习惯了XPath，但解决方案不一定需要支持XPath。
标准是：
答案 0 :(得分：16)
查看Ox宝石。它比LibXML和Nokogiri更快，并支持内存解析以及SAX回调解析。完全披露，我写了。
在性能比较http://www.ohler.com/software/thoughts/Blog/Entries/2011/9/21_XML_with_Ruby.html中，比较DOM（内存中）和SAX（回调）解析器。
答案 1 :(得分：6)
Nokogiri基于libxml2，它是任何语言中速度最快的XML / HTML解析器之一。它是用C语言编写的，但是有许多语言的绑定。
问题是文件越复杂，在内存中构建完整的DOM结构所需的时间就越长。与其他解析方法相比，创建DOM更慢且占用内存更多（通常整个DOM必须适合内存）。 XPath依赖于这个DOM。
SAX通常是人们对速度或不适合内存的大型文档的转向。它更多的是事件驱动：它通知你一个start元素，end元素等，你编写处理程序来对它们作出反应。这有点痛苦，因为你最终会自己跟踪状态（比如你在哪个元素里面）。
有一个中间立场：一些解析器具有“拉解析”功能，您可以在其中进行类似光标的导航。您仍然按顺序访问每个节点，但您可以“快进”到您不感兴趣的元素的末尾。它具有SAX的速度，但是用于许多用途的更好的界面。我不知道Nokogiri是否可以为HTML执行此操作，但如果您有兴趣，我会调查Reader API。
请注意，Nokogiri对格式错误的标记（例如真实HTML）也非常宽容，仅此一点就使它成为HTML解析的一个很好的选择。
答案 2 :(得分：2)
与牛的链接是http://rubygems.org/gems/ox。讨论性能差异：http://www.ohler.com/software/thoughts/Blog/Entries/2011/9/21_XML_with_Ruby.html
答案 3 :(得分：0)
您可能会发现，对于较大的XML文档，DOM解析的性能不是很高。这是因为解析器必须构建XML文档结构的内存映射。
通常需要更小内存占用的另一种方法是使用事件驱动的SAX解析器。
Nokogiri完全支持SAX。
答案 4 :(得分：0)
根据您的环境，Oga可能更适合作为Ruby的足够快的 XML解析器，具有更好的界面和更快的安装时间。