用ruby创建大文件XML

Question

我想把大约50MB的数据写入一个XML文件。

我发现Nokogiri(1.5.0)在只读不写的情况下是有效的解析。Nokogiri不是写入XML文件的好选择，因为它在最后写入之前将完整的XML数据保存在内存中。

我发现Builder(3.0.0)是一个很好的选择，但我不确定它是否是最好的选择。

我用下面的简单代码尝试了一些基准测试:

  (1..500000).each do |k|
    xml.products {
      xml.widget {
        xml.id_ k
        xml.name "Awesome widget"
      }
    }
    end

Nokogiri大约需要143秒，内存消耗也逐渐增加，最终约为700 MB。

Builder耗时约123秒，内存消耗稳定在10 MB。

那么在Ruby中编写巨大的XML文件(50 MB)是否有更好的解决方案?

下面是使用Nokogiri的代码:

require 'rubygems'
require 'nokogiri'
a = Time.now
builder = Nokogiri::XML::Builder.new do |xml|
  xml.root {
    (1..500000).each do |k|
    xml.products {
      xml.widget {
        xml.id_ k
        xml.name "Awesome widget"
      }
    }
    end
  }
end
o = File.new("test_noko.xml", "w")
o.write(builder.to_xml)
o.close
puts (Time.now-a).to_s

下面是使用Builder的代码:

require 'rubygems'
require 'builder'
a = Time.now
File.open("test.xml", 'w') {|f|
xml = Builder::XmlMarkup.new(:target => f, :indent => 1)
  (1..500000).each do |k|
    xml.products {
      xml.widget {
        xml.id_ k
        xml.name "Awesome widget"
      }
    }
    end
}
puts (Time.now-a).to_s

Answer 1

方案1

如果速度是你主要关心的，我就直接使用libxml-ruby:

$ time ruby test.rb 
real    0m7.352s
user    0m5.867s
sys     0m0.921s

API非常简单:

require 'rubygems'
require 'xml'
doc = XML::Document.new()
doc.root = XML::Node.new('root_node')
root = doc.root
500000.times do |k|
  root << elem1 = XML::Node.new('products')
  elem1 << elem2 = XML::Node.new('widget')
  elem2['id'] = k.to_s
  elem2['name'] = 'Awesome widget'
end
doc.save('foo.xml', :indent => false, :encoding => XML::Encoding::UTF_8)

使用:indent => true在这种情况下没有太大区别，但对于更复杂的XML文件可能会有很大区别。

$ time ruby test.rb #(with indent)
real    0m7.395s
user    0m6.050s
sys     0m0.847s

解决方案2

当然，最快的解决方案是手动编写XML，但这很容易产生其他错误来源，如可能无效的XML:

$ time ruby test.rb 
real    0m1.131s
user    0m0.873s
sys     0m0.126s

代码如下:

f = File.open("foo.xml", "w")
f.puts('<doc>')
500000.times do |k|
  f.puts "<product><widget id="#{k}" name="Awesome widget" /></product>"
end
f.puts('</doc>')
f.close