PHP Dom文件html更快还是preg_match_all函数更快？

Question

我怀疑哪一个处理速度更快？

使用curl函数的dom文件或preg_match_all在html页面解析中更快？将dom文件功能留在其他服务器上如curl函数吗？例如，在curl函数中，我们使用用户代理来定义谁正在访问，但在dom文档中没有任何内容。

Answer 1

如果一个人给你不正确的结果，哪个更快更重要？

与正则表达式匹配以从文档中获取单个数据将比解析整个HTML文档更快。但正则表达式无法在所有情况下正确解析HTML。

请参阅http://htmlparsing.com/regexes.html，我已开始解决这个常见问题。 （对于其他人来说，我可以使用帮助。源代码在github上，我需要许多不同语言的示例。）

Answer 2

正则表达式可能会更快，但它们也可能是更糟糕的选择。除非您对应用程序进行了基准测试和分析，并且没有发现任何其他优化内容，否则您应该查看正确的现有解析器。

虽然正则表达式可用于匹配HTML，it takes a thorough effort to come up with a reliable parser。 PHP offers a bunch of native extensions to work with XML（和HTML）可靠。还有许多第三方图书馆。见我的回答

• Best Methods to parse HTML

对于发送自定义用户代理，也可以使用DOM。您必须create a custom stream context和attach it with the underlying libxml functions。您可以提供任何available HTTP Stream context options this way。见我的回答

• DOMDocument::validate() problem

有关如何提供自定义UserAgent的示例。

Answer 3

dom函数与html提取没有任何关系。

然而，有些加载函数可用于直接获取http资源。

如果没有上下文参数，它们将显示与file_get_contents相同的行为。

关于你问题的其他部分。 preg函数更快。但是它们并不适用于那种用途，你很可能很遗憾很快就会将它们用于此目的。

如果你用正则表达式解析html，那么你要么完全疯狂，要么就是没有得到html的概念。