读取大型xml文件：go-encoding/xml的速度是python-lxm的两倍

Question

出于性能方面的考虑，我曾考虑将go应用于我未来的项目，但有一个很大的惊喜：go的运行时间是13.974427秒，而pythons的运行时间只有6.593028783798218秒 不到一半！你知道吗

XML文件大小超过300MB。 这是Python的密码：

from lxml import objectify
import time

most = time.time()

root = objectify.parse(open(r"c:\temp\myfile.xml", 'rb')).getroot()

if hasattr(root, 'BaseData'):
    if hasattr(root.BaseData, 'SzTTs'):
        total_records = 0
        for sztt in root.BaseData.SzTTs.sztt:
            total_records += 1
print("total_records", total_records)
print("Time elapsed: ", time.time()-most)

下面是简化的go代码：

package main

// An example streaming XML parser.

import (
    "encoding/xml"
    "fmt"
    "io"
    "os"
    "time"
)

var inputFile = "c:\\temp\\myfile.xml"

type SzTTs struct {
    Sztt []sztt
}

type sztt struct {
}

func main() {
    xmlFile, err := os.Open(inputFile)
    if err != nil {
        fmt.Println("Error opening file:", err)
        return
    }
    defer xmlFile.Close()

    d := xml.NewDecoder(xmlFile)
    total1 := 0
    total2 := 0
    start := time.Now()
    for {
        // Read tokens from the XML document in a stream.
        t, err := d.Token()
        // If we are at the end of the file, we are done
        if t == nil || err == io.EOF {
            fmt.Println("The end")
            break
        } else if err != nil {
            log.Fatalf("Error decoding token: %s", err)
        }

        // Inspect the type of the token just read.
        switch se := t.(type) {
        case xml.StartElement:

            if se.Name.Local == "SzTTs" {
                var p SzTTs
                // decode a whole chunk of following XML into the
                // variable p which is a Page (se above)
                if err = d.DecodeElement(&p, &se); err != nil {
                    log.Fatalf("Error decoding item: %s", err)
                }
                for i := range p.Sztt {
                    total1 = i
                }
            }
        default:
        }
    }

    fmt.Printf("Total sztt: %d \n", total1)
    fmt.Printf("Elapsed time %s", time.Since(start))
}

为什么会有这么大的差别？你知道吗

Answer 1

扩展我的评论-这是预期的。你知道吗

Go的encoding/xml是用纯Go编写的，而lxml基本上是用C编写的。它使用Cython，Cython从类似Python的DSL生成C代码。你知道吗

2x并不是一个巨大的性能差异，但是如果最后一点性能对你来说都很重要，那么考虑使用另一个Go包——一个包装了优化的C实现的包。你知道吗

例如，libxml（最流行的C实现之一）有几个包装器：

• https://github.com/moovweb/gokogiri
• https://github.com/lestrrat-go/libxml2

我预计这将比encoding/xml快得多。你知道吗

---

Edid（2019-07-22）：这个问题激发了我对write more about streaming XML performance in Go和a new wrapper for the libxml SAX interface的兴趣。你知道吗