Windows PHP Daten Datei Export Ausdruck Perfomance

Perfomance von Regulären Ausdrücken

Von: , Frage gestellt am Di, 3. Apr 2007

Hallo liebe Experten,

ich habe da ein kleines Problem :

Um eine HTML-Datei zu parsen (Export aus MSProject) will ich alle nutzlosen Daten entfernen. Die Datei sieht etwa wie folgt aus

<body>
bla
bla

<table>
.
.
.
</table>
bla
bla
bla
</body>

Nun möchte ich alles über und unter "interessanter teil" entfernen. Ein einfacher Ausdruck für "drüber" wäre z.B. (als PHP-Code)

preg_replace("/[\\s\\S]*/","");

Durch das Suchverhalten der RegEx-Bibliothek dauert das ganze aber bei einer 30KB-Datei ca. 30 Sekunden.
Sieht jemand einen schnelleren Weg ?
Mit Stringfunktionen (pos,replace etc.) ist es zwar signifikant schneller, aber längst nicht so flexibel.

Wäre für jeden Hilfsansatz dankbar.

MfG

SvenOfNine

6 Antworten zu dieser Frage

Antwort von nach 51 Minuten 0 hilfreich

Re: Perfomance von Regulären Ausdrücken

Hallo Sven Um eine HTML-Datei zu parsen (Export aus MSProject) will ich
alle nutzlosen Daten entfernen. Die Datei sieht etwa wie folgt
aus
<PREHTML>
<body>
bla
bla

...

preg_replace("/[\\s\\S]*/","");

Durch das Suchverhalten der RegEx-Bibliothek dauert das ganze
aber bei einer 30KB-Datei ca. 30 Sekunden.
Sieht jemand einen schnelleren Weg ?
Mit Stringfunktionen (pos,replace etc.) ist es zwar
signifikant schneller, aber längst nicht so flexibel.
Wie sieht denn "" konkret aus?

Hast Du ein aktuelles Beispiel für ?
Wie oft kommt das vor pro Datei? Was kommt
sonst noch so vor (Besonderheiten)?

Grüße

CMБ
- Antwort von nach einer Stunde 0 hilfreich
  
  Re^2: Perfomance von Regulären Ausdrücken
  
  Hallo CMS Wie sieht denn "" konkret aus?
  
  
  Wie oft kommt das vor pro Datei? Was kommt
  Kommt nur einmal im Quelltext vor. (Besonderheiten)?
  Eigentlich nicht.Nur ist der Quelltext so wie immer bei M$ total verwurstet.
  
  Ciao
  
  SvenOfNine
  Grüße
  
  CMБ
  - Antwort von nach einer Stunde 0 hilfreich
    
    Re^3: Perfomance von Regulären Ausdrücken
    
    Hallo Sven Wie sieht denn "" konkret aus?
    
    
    Wie oft kommt das vor pro Datei? Was kommt
    Kommt nur einmal im Quelltext vor. (Besonderheiten)?
    Eigentlich nicht.Nur ist der Quelltext so wie immer bei M$
    total verwurstet.
    In Abhängigkeit davon, was Du genau vorhast
    (kannst Du das beschreiben?), könnte man sogar
    nochmal weiter überlegen.
    
    Wie verhält sich denn sowas? ==> <?php
    echo "toc<br />";
    $stuff = file_get_contents('officestuff.html');
    echo "toc<br />";
    $neu = preg_replace('/.+?MSProjectTemplate_AssignmentTable-->/s', " ", $stuff );
    echo "toc<br />";
    echo $neu;
    ?>Wie ist der Abstand zwischen den 'tocs'?
    
    Grüße
    
    CMБ
    - Antwort von nach 4 Stunden 0 hilfreich
      
      Re^4: Perfomance von Regulären Ausdrücken
      
      In Abhängigkeit davon, was Du genau vorhast
      (kannst Du das beschreiben?), könnte man sogar
      nochmal weiter überlegen.
      Ich möchte einfach aus der html-Datei alles Unnötige entfernen, um die überbleibende Tabellenkonstruktion problemlos parsen zu können.
      Also aus
      
      <html>
      ..
      ..
      ..
      
      <TABLE>
      ..
      ..
      ..
      </TABLE>
      ..
      ..
      </HTML>
      
      alles zwischen den Tabletags rausziehen. Leider enthält die Datei weitere Tabellen, so daß ich es eingrenzen muß. Dies funktioniert (aus meiner Sicht) am Besten mit dem "MSProjectTemplate_AssignmentTable" -Kommentar. Wie verhält sich denn sowas? ==>
      preg_replace('/.+?MSProjectTemplate_AssignmentTable-->/s',"");
      
      Läuft leider genausolange.
      Das Problem ist wohl, daß wenn ich mit greedy suche die kpl. Datei erkannt wird und danach Rückwärts bis zu  gelaufen wird. Dadurch erhöht sich die Suchzeit sehr stark.
      Ohne greedy muß jedesmal kpl. mit  verglichen werden, wodurch sich die Zeit nätürlich auch extrem verlängert.
      
      Ciao
      Sven-of-Nine
      - Antwort von nach 5 Stunden 0 hilfreich
        
        Re^5: Perfomance von Regulären Ausdrücken
        
        Hallo Sven, Ich möchte einfach aus der html-Datei alles Unnötige
        entfernen, um die überbleibende Tabellenkonstruktion
        problemlos parsen zu können.
        ... alles zwischen den Tabletags rausziehen. Leider
        enthält die Datei weitere Tabellen, so daß ich es eingrenzen muß.
        Dies funktioniert (aus meiner Sicht) am Besten mit dem
        "MSProjectTemplate_AssignmentTable" -Kommentar.
        ... Wie verhält sich denn sowas? ==>
        preg_replace('/.+?MSProjectTemplate_AssignmentTable-->/s',"");
        
        Läuft leider genausolange.
        OK, was ist das denn für ein Server? Das Problem ist wohl, daß wenn ich mit greedy suche die kpl.
        Datei erkannt wird und danach Rückwärts bis zu
         gelaufen wird. Dadurch erhöht sich die
        Suchzeit sehr stark.
        Ohne greedy muß jedesmal kpl. mit  verglichen
        werden, wodurch sich die Zeit nätürlich auch extrem
        verlängert.
        Ohne 'greedy' sucht (imho) die PCRE-NFA von PHP
        einfach den String 'MSProjectTemplate_AssignmentTable'
        und sonst nichts (dachte ich).
        
        Ich vermute, es liegt hier eine Beschränkung
        des PHP-Replace vor. Versuch doch mal "andersrum":
        
        <?php
        echo "toc<br />\n";
        
        $stuff = file_get_contents('office.html');
        echo strlen($stuff) . " toc<br />\n";
        
        preg_match('/MSProjectTemplate_AssignmentTable--> (.*)\z/xs', $stuff, $match);
        $text = $match[1];
        echo strlen($text) . ', ' . strlen($stuff) . " toc<br />\n";
        ?>
        d.h. einen Match statt eines Replace. In
        diesen Match könntest Du auch die Suche
        nach den Tabellen einbauen.
        
        Grüße
        
        CMБ
        
        Antwort von nach 21 Stunden 0 hilfreich
        
        Re^6: Perfomance von Regulären Ausdrücken
        
        OK, was ist das denn für ein Server?
        Ist egal.
        unter debian / windows /php4 /php5 verhält es sich quasi identisch
        
        preg_match('/MSProjectTemplate_AssignmentTable-->...
        
        So funktioniert es viel schneller.
        Vielen Dank für Deine Hilfe. Das hilft mir schon viel weiter.
        
        MfG
        
        SvenOfNine

Keine passende Antwort gefunden? Jetzt eigene Frage stellen!