提高ipad浏览器下大尺寸xml文件解析的性能

昨天，客户报了个Bug过来：html5应用在ipad下卡住不动了。按照他发过来的地址，初步诊断是xml解析的性能问题。应用初始化时要加载几个xml配置文件，客户给的地址中，一个配置文件有800多K（文件A），另一个配置文件有400多K（文件B）。我修改了程序，在PC机上用Safari模拟ipad登录，解析文件A花了30多秒。一般来说，ipad2的性能是我的PC机的1/5，在ipad上解析这个xml文件至少要花150秒。这是不能接受的。同样的程序，在ie下测试，仅仅耗时160ms！我用的是haXe的xml库，在ie9和在safari上竟然有这么大的性能差距。

又找了几个xml库，不是无法运行，就是执行失败。实在没有办法，只好用domparser来解析，当html文件处理。使用domparser可以极大的提高性能，还是以文件A为例子，在PC的safari上解析耗时降为1秒左右，这个时间是可以承受的。然而，使用domparser存在一个问题，就是无法提取出CData数据。http://stackoverflow.com/questions/5227592/extract-cdata-from-rss-xml-using-javascript 给出了一个解决方案：将CData数据用标签围住，这是一种思路。于是，修改程序，将<![CDATA[替换为<cdata>，将]]>替换成</cdata>。

提取cdata标签的数据，当作XML文件的CData数据/。问题似乎解决了，经过多次测试，又发现了新的问题：

CData中有很多字符没有转义。在CData中倒是无害，但在<cdata></cdata>中就变成有害了。这里又要表扬下ie9：ie9在这种情况下能够正确解析，Safari不能！

既然问题出现在CData，那么我们就对CData数据进行预处理：
（1），找到每个CData数据，为它编号；
（2），对每个CData片段，用它的编号进行替换，这样就屏蔽了敏感字符；
（3），将替换后的文本，用domparser解析。

这样一来，当使用这个Dom时，碰到CData编号，再将它替换为对应的CData数据即可。因为文件A在ipad上无法解析成功，这里只对文件B的解析进行了都比。之前解析文件B耗时是13-16秒，使用新方法后，解析时间缩短为32毫秒，提高了约400倍。

====

下面的代码是用haXe写的，haXe很容易读，就不详加解释了。
CData类，存储键值对：

class CData
{
public var key:String;

public var val:String;

public function new()
{
}
}
Xml2Html类，对xml文本进行预处理，并存储CData信息：

class Xml2Html
{
private var map:Array<CData>;

public function new()
{
}

public function getCData(key:String):String
{
if (map == null) return null;

for (i in 0 ... map.length)
{
var item:CData = map[i];
if (item.key == key)
{
return item.val;
}
}

return null;
}

public function prepareXmlAsHtml(txt:String):String
{
map = new Array<CData>();
txt = StringTools.replace(txt, "<![CDATA[", "]]>");
var lines:Array<String> = txt.split("]]>");
if (lines.length == 0) return txt;
var buff:StringBuf = new StringBuf();
var k:Int = 0;
for (i in 0 ... lines.length)
{
var val:String = lines[i];
if (i % 2 == 0) // 正常内容
{
buff.add(val);
}
else
{
var key:String = Std.string(k);
buff.add("<cdata>" + key + "</cdata>");
var cdata:CData = new CData();
cdata.key = key;
cdata.val = val;
map.push(cdata);
k++;
}
}

return buff.toString();
}
}
下面是解析示例：

var ctx:Xml2Html = new Xml2Html();
searchInfo = dom.parseFromString(ctx.prepareXmlAsHtml(data), "text/xml");

var dom:HtmlDom = searchInfo;
var pages:HtmlCollection<HtmlDom> = dom.getElementsByTagName("page");
for (i in 0 ... pages.length)
{
var node:HtmlDom = pages[i];
var pageNumVal:String = node.getAttribute("pageNumber");
var htmlText:String = null;
var htmlTextDoms:HtmlCollection<HtmlDom> = node.getElementsByTagName("cdata");
if (htmlTextDoms != null && htmlTextDoms.length > 0)
{
htmlText = StringTools.trim(htmlTextDoms[0].childNodes[0].nodeValue);
htmlText = ctx.getCData(htmlText);
}

for (k in 0 ... book.pages.length)
{
var page:Page = book.pages[k];
if (page.id == pageNumVal)
{
page.content = htmlText;
}
}
}
====

小结：

（1）IE9很厉害！

（2）haXe是好东东，用它写js程序很舒服。但因为是开源社区的作品，还不够成熟，需要使用者自己想办法来弥补其缺陷。