SimpleXMLとXMLReaderとDomを組み合わせてPHPで巨大なXMLデータを高速に処理する方法

PHP, PECL, XML, XPATH

09:03:07, by admin

, 125 words, 7116 views

実測値は取ってないけどね。

(ノ・・)ン。。。。。。(((●コロコロッ

<?php

$rawXML = "<Items><Item>hoge</Item><Item><huga>hoge</huga></Item></Items>";
$items = array();
$reader = new XMLReader();
$reader->XML( $rawXML );

while ($reader->read()) {
switch ($reader->nodeType) {
case (XMLREADER::ELEMENT):
switch( $reader->localName ){
case "Item":
$node = $reader->expand();
$dom = new DomDocument("1.0", "UTF-8");
$n = $dom->importNode($node,true);
$dom->appendChild($n);
$items[] = simplexml_import_dom($n);
break;
default:
break;
}
break;
default:
break;
}
}

print_R ($items );

XMLReader(SAX)で全体を処理し、
指定したタグ名(上記だとItem)だけを抽出。
抽出したタグはDom経由でsimpleXMLに通す。
結果としてDom経由でSimpleXMLElementの配列が取得できる。

って感じか。

[More:]

指定したタグ名のXMLデータを取得するロジック。
ちょうどDomDocumentのgetElementsByTagNameと似たような動作をする。
getElementsByTagNameの戻り値はDomNodeListだが、
これはSimpleXMLElementの配列が取れる。
DomよりもSimpleXMLの方が扱いやすいのでこの方が良いと思う。
Domの方が好きな人はsimplexml_import_domを外せば良い。
DomElementの配列が取れる。(それは微妙だが。)

PHP5以上、XMLReader, SimpleXML, DOMモジュール必要と導入の閾は少し高いが、
DomDocumentのgetElementsByTagNameを使いよりは高速に処理できるはず。
DomはXMLデータを全部読みとり構造解析をする動きをする。
その分のオーバーヘッドを軽減できるので、
XMLのファイルサイズが大きければ大きいほど差が出ると思う。

関連記事:
XML for PHP developers, Part 2: Advanced XML parsing techniques