【发布时间】：2014-06-10 11:45:36
【问题描述】：
冒着被重定向到this answer 的风险（是的，我读了它并花了最后 5 分钟大声笑），请允许我解释一下这个问题，这只是众多问题中的一个。
我的雇主要求我审查一个用 PHP 编写的网站，使用 Smarty 作为模板，使用 MySQL 作为 DBMS。它目前运行非常缓慢，最多需要 2 分钟（完全白屏，不少于）才能完全加载。
使用 xdebug 分析代码，我发现一个 preg_replace 调用大约需要 30 秒才能完成，该调用当前遍历所有 HTML 代码并将找到的每个 URL 替换为其 SEO 友好版本。完成后，它将所有代码输出到浏览器。 （正如我之前所说，这不是唯一的问题 - 代码相当旧，它显示了 - 但我将专注于这个问题。）
进一步深入研究代码，我发现它当前查看了 1702 个模式，每个匹配项都匹配（大小相等的数组中的匹配和替换），这肯定会考虑到它所花费的时间。
代码如下：
//This is just a call to a MySQL query which gets the relevant SEO-friendly URLs:
$seourls_data = $oSeoShared->getSeourls();
$url_masks = array();
$seourls = array();
foreach ($seourls_data as $seourl_data)
{
if ($seourl_data["url"])
{
$url_masks[] = "/([\"'\>\s]{1})".$site.str_replace("/", "\/", $seourl_data["url"])."([\#|\"'\s]{1})/";
$seourls[] = "$1".MAINSITE_URL.$seourl_data["seourl"]."$2";
}
}
//After filling both $url_masks and $seourls arrays, then the HTML is parsed:
$html_seo = preg_replace($url_masks, $seourls, $html);
//After it completes, $html_seo is simply echo'ed to the browser.
现在，我知道问题的明显答案是：不要使用正则表达式解析 HTML。但是，如何解决这个特定问题呢？我的第一次尝试可能是：
- 将（希望是格式良好的）HTML 加载到 DOMDocument 中，然后在每个 a 标签中获取每个 href 属性，like so.
- 遍历每个节点，替换为适当匹配找到的 URL（这可能意味着无论如何都要使用以前的正则表达式，但在一个大大减小的字符串上）
- ???
- 利润？
但我认为这很可能不是解决问题的正确方法。 有什么想法或建议吗？
谢谢。
【问题讨论】：
-
我想说，不要把坏的 url 放在 html 开头，把好的。而不是这种非常缓慢的方式。
-
目前，该网站无法使用。所以，我要做的第一件事是在数据库中创建一个新列，将过滤内容移至离线进程，并将结果记录在新列中。然后该网站至少可以工作，您可以着手修复实施。
-
that's not the only issue -the code is rather old, and it shows，到时候重写。不幸的是，没有快速的方法来做您想做的事，除非您修复内容中的 url，否则 regex-ing 1702 模式有点令人担忧。 -
感谢所有 cmets（对于冗长的帖子感到抱歉，只是想我会尽可能清楚地说明。）是的，正在进行完整的网站重写（使用 Erlang/ChicagoBoss相反）但由于它不会很快准备好，所以旧网站暂时上线了。不幸的是，让网站处于工作状态太费力了，所以我的雇主告诉我不要管它。了解如何（不）编码的好机会，thougn。
-
也许函数被优化了，你确定执行正则表达式所花费的时间吗？