¿Qué es más rápido, XPath o Regexp?

Question

Estoy haciendo un add-on para firefox y carga una página html usando ajax (add-on tiene su panel XUL).

Ahora en este punto, no busqué la forma de crear un objeto document y colocar los contenidos de la solicitud ajax en él y luego usar xPath para encontrar lo que necesito.
En su lugar, estoy cargando el contenido y analizándolo como texto con expresión regular.

Pero tengo una pregunta. ¿Cuál sería mejor usar, xPath o expresión regular? ¿Cuál es más rápido de realizar?

La página HTML constará de cientos de elementos que contienen el mismo texto, y lo que básicamente quiero hacer es contar cuántos elementos hay.

Quiero que mi complemento funcione lo más rápido posible y no conozco la mecánica detrás de regexp o xPath, así que no sé cuál es más efectivo.

Espero que estuviera claro. Gracias

Answer 1

Siempre que trabaje con XML, use XPath (o XSLT, XQuery, SAX, DOM o cualquier otro método compatible con XML para revisar sus datos). Do never use regular expressions for this task.

¿Por qué? El procesamiento XML es complejo y trata con todas sus rarezas, entidades externas/analizadas/no procesadas, DTD, instrucciones de procesamiento, manejo de espacio en blanco, colapso, normalización Unicode, secciones CDATA etc. lo hace muy difícil de crear una forma regular confiable de obtener su datos. Simplemente considere que le ha tomado años a la industria aprender a analizar mejor XML, debería ser razón suficiente para no intentar hacerlo usted mismo.

Respondiendo a su pregunta: cuando se trata de velocidad (que debería ser no sea su principal preocupación), depende en gran medida de la implementación del compilador/procesador XPath o Regex. A veces, XPath será más rápido (es decir, cuando se usen claves, si es posible, o XSLT compilado), otras veces, las expresiones regulares serán más rápidas (si puede usar una expresión regular precompilada y su consulta es fácil). Pero las expresiones regulares nunca son fáciles con HTML/XML simplemente debido al problema de paréntesis (etiquetas) anidados que coinciden, que no se pueden resolver de manera confiable solo con expresiones regulares.

Si la entrada es enorme, regex tenderá a ser más rápido, a menos que la implementación XPath pueda hacer el procesamiento de transmisión (que creo que no es el método dentro de Firefox).

Usted escribió:

"que es más eficaz" *

la que le trae más rápida de una aplicación fiable y estable que es relativamente rápida. Use XPath. Es lo que se usa dentro de Firefox y otros navegadores si necesita que su código se ejecute desde un navegador.