파일 크기가 Nokogiri :: XML :: Reader를 사용하여 구문 분석하려고하는 아래와 같은 형식의 XML이 있습니다. 매우 거대한 (~ 1GB). 파일에는 아래 형식의 많은 packets
이 있습니다.Nokogiri :: XML :: Reader - 큰 XML 파일 처리 및 아무런 관심이없는 노드 건너 뛰기
각 packet
에서 frame.time_epoch
, s1ap.procedureCode
을 수집해야합니다.
현재 다음 작업을 수행하고 있습니다.
data = []
file = `some_file.xml`
reader = Nokogiri::XML::Reader(File.open(file))
reader.each do |node|
if (node.name == 'packet' && node.node_type == Nokogiri::XML::Reader::TYPE_ELEMENT)
doc = Nokogiri::XML(node.outer_xml)
next if !doc.css("field[name='s1ap.procedureCode']") ## do nothing if the <packet> is not of s1ap type
epochTime = doc.css("field[name='frame.time_epoch']").first["show"].to_i
procedureCode = procedureCode_node = doc.css("field[name='s1ap.procedureCode']").first["show"].to_i
data << { epochTime: epochTime, procedureCode: procedureCode }
end
end
문제는
내가 직면하고있어 문제는 구문 분석이 정말 느린 것입니다. 한 가지 주목할 점은 독자가 <packet> </packet>
내의 모든 후속 라인을 스캔한다는 것입니다. 독자가 packet
이라는 이름으로 다음 노드로 이동하게하는 방법이 있습니까? packet
내 각 행을 계속 진행하는 것입니다. 당신은 메모리에 모든 일을 당기고로 해석하지 않고 큰 문서를 처리 SAX 파서
http://www.rubydoc.info/github/sparklemotion/nokogiri/Nokogiri/XML/SAX
스트림을 사용해야하는 등 큰 문서에 대한
XML 형식
<?xml version="1.0" encoding="utf-8"?>
<?xml-stylesheet type="text/xsl" href="pdml2html.xsl"?>
<packet>
<proto name="geninfo" pos="0" showname="General information" size="126">
<field name="num" pos="0" show="6" showname="Number" value="6" size="126"/>
</proto>
<proto name="frame" showname="Frame 6: 126 bytes on wire (1008 bits), 126 bytes captured (1008 bits) on interface 0" size="126" pos="0">
<field name="frame.encap_type" showname="Encapsulation type: Ethernet (1)" size="0" pos="0" show="1"/>
<field name="frame.time_epoch" showname="Epoch Time: 1474267259.184197000 seconds" size="0" pos="0" show="1474267259.184197000"/>
</proto>
<proto name="eth" showname="Ethernet II, Src: JuniperN_e6:a6:cc (40:b4:f0:e6:a6:cc), Dst: HewlettP_89:a5:91 (ac:16:2d:89:a5:91)" size="14" pos="0">
<field name="eth.dst" showname="Destination: HewlettP_89:a5:91 (ac:16:2d:89:a5:91)" size="6" pos="0" show="ac:16:2d:89:a5:91" value="ac162d89a591">
<field name="eth.dst_resolved" showname="Destination (resolved): HewlettP_89:a5:91" hide="yes" size="6" pos="0" show="HewlettP_89:a5:91" value="ac162d89a591"/>
</field>
<field name="eth.type" showname="Type: IPv4 (0x0800)" size="2" pos="12" show="0x00000800" value="0800"/>
</proto>
<proto name="s1ap" showname="S1 Application Protocol" size="45" pos="78">
<field name="per.choice_index" showname="Choice Index: 0" hide="yes" size="1" pos="78" show="0" value="00"/>
<field name="s1ap.S1AP_PDU" showname="S1AP-PDU: initiatingMessage (0)" size="45" pos="78" show="0" value="000b402900000300000005c007c03ae900080003403b53001a0012113743f99f9500075d010605f070c04070c1">
<field name="s1ap.initiatingMessage_element" showname="initiatingMessage" size="45" pos="78" show="" value="">
<field name="s1ap.procedureCode" showname="procedureCode: id-downlinkNASTransport (11)" size="1" pos="79" show="11" value="0b"/>
</field>
</field>
</proto>
</packet>
<packet>
<proto name="geninfo" pos="0" showname="General information" size="126">
<field name="num" pos="0" show="6" showname="Number" value="6" size="126"/>
</proto>
<proto name="frame" showname="Frame 6: 126 bytes on wire (1008 bits), 126 bytes captured (1008 bits) on interface 0" size="126" pos="0">
<field name="frame.encap_type" showname="Encapsulation type: Ethernet (1)" size="0" pos="0" show="1"/>
<field name="frame.time_epoch" showname="Epoch Time: 1474267260.184197000 seconds" size="0" pos="0" show="1474267259.184197000"/>
</proto>
<proto name="eth" showname="Ethernet II, Src: JuniperN_e6:a6:cc (40:b4:f0:e6:a6:cc), Dst: HewlettP_89:a5:91 (ac:16:2d:89:a5:91)" size="14" pos="0">
<field name="eth.dst" showname="Destination: HewlettP_89:a5:91 (ac:16:2d:89:a5:91)" size="6" pos="0" show="ac:16:2d:89:a5:91" value="ac162d89a591">
<field name="eth.dst_resolved" showname="Destination (resolved): HewlettP_89:a5:91" hide="yes" size="6" pos="0" show="HewlettP_89:a5:91" value="ac162d89a591"/>
</field>
<field name="eth.type" showname="Type: IPv4 (0x0800)" size="2" pos="12" show="0x00000800" value="0800"/>
</proto>
<proto name="s1ap" showname="Some other protocol" size="45" pos="78">
<field name="per.choice_index" showname="Choice Index: 0" hide="yes" size="1" pos="78" show="0" value="00"/>
<field name="other.OTH_PDU" showname="S1AP-PDU: initiatingMessage (0)" size="45" pos="78" show="0" value="000b402900000300000005c007c03ae900080003403b53001a0012113743f99f9500075d010605f070c04070c1">
<field name="other.initiatingMessage_element" showname="initiatingMessage" size="45" pos="78" show="" value="">
<field name="other.procedureCode" showname="procedureCode: id-someTransport (99)" size="1" pos="79" show="11" value="0b"/>
</field>
</field>
</proto>
</packet>
<packet>
<proto name="geninfo" pos="0" showname="General information" size="126">
<field name="num" pos="0" show="6" showname="Number" value="6" size="126"/>
</proto>
<proto name="frame" showname="Frame 6: 126 bytes on wire (1008 bits), 126 bytes captured (1008 bits) on interface 0" size="126" pos="0">
<field name="frame.encap_type" showname="Encapsulation type: Ethernet (1)" size="0" pos="0" show="1"/>
<field name="frame.time_epoch" showname="Epoch Time: 1474267261.184197000 seconds" size="0" pos="0" show="1474267259.184197000"/>
</proto>
<proto name="eth" showname="Ethernet II, Src: JuniperN_e6:a6:cc (40:b4:f0:e6:a6:cc), Dst: HewlettP_89:a5:91 (ac:16:2d:89:a5:91)" size="14" pos="0">
<field name="eth.dst" showname="Destination: HewlettP_89:a5:91 (ac:16:2d:89:a5:91)" size="6" pos="0" show="ac:16:2d:89:a5:91" value="ac162d89a591">
<field name="eth.dst_resolved" showname="Destination (resolved): HewlettP_89:a5:91" hide="yes" size="6" pos="0" show="HewlettP_89:a5:91" value="ac162d89a591"/>
</field>
<field name="eth.type" showname="Type: IPv4 (0x0800)" size="2" pos="12" show="0x00000800" value="0800"/>
</proto>
<proto name="s1ap" showname="S1 Application Protocol" size="45" pos="78">
<field name="per.choice_index" showname="Choice Index: 0" hide="yes" size="1" pos="78" show="0" value="00"/>
<field name="s1ap.S1AP_PDU" showname="S1AP-PDU: initiatingMessage (0)" size="45" pos="78" show="0" value="000b402900000300000005c007c03ae900080003403b53001a0012113743f99f9500075d010605f070c04070c1">
<field name="s1ap.initiatingMessage_element" showname="initiatingMessage" size="45" pos="78" show="" value="">
<field name="s1ap.procedureCode" showname="procedureCode: id-uplinkTransport (13)" size="1" pos="79" show="13" value="0b"/>
</field>
</field>
</proto>
</packet>
<!-- more <packet>s here -->
''@의 have_s1ap'이 '때'nil' -이를 반영하기 위해 샘플 XML을 업데이트하고 있습니다. 또한'Nokogiri :: XML :: Reader'에 비해 SAX 파서를 사용하여 속도 향상을 수치화 할 수 있습니다. –
user3206440
여러분은'
구현과 측정을 모두 실행하여 대표적인 입력 및 대표적인 시스템의 속도 개선을 항상 수치화 할 수 있습니다. DOM을 빌드하기위한 메모리 요구 사항이 시스템의 작업 메모리를 초과하면 스왑으로 이동합니다. 너는 행복하지 않을 것이다. SAX 구현에는 일정한 메모리 요구 사항이 있으며 입력 크기에 종속되지 않습니다. –